Kesimpulan Uas Adp (Algoritma Dan Pemrograman)

KESIMPULAN UAS ADP
( ALGORITMA DAN PEMROGRAMAN )
Tugas ini di buat guna memenuhi Tugas UAS Matakuliah

ALGORIMA DAN PEMROGRAMAN
Dosen Pengampu : Bpk. Aryanto, S.T., M.T.
Disusun oleh :
(Dwikashinta Purwanda Putra)

NPM. 2115031034
(Gilbran Kadafi)
NPM. 2115031118
(Muhammad Haqqu)
NPM. 2115031095
FAKULTAS TEKNIK/S1 TEKNIK ELEKTRO

UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2022
KESIMPULAN DAN HASIL DETEKSI ADP
Python adalah bahasa pemrograman interpretatif multiguna dengan filosofi

perancangan yang berfokus pada tingkat keterbacaan kode. Python diklaim
sebagai bahasa yang menggabungkan kapabilitas, kemampuan, dengan sintaksis
kode yang sangat jelas, dan dilengkapi dengan fungsionalitas pustaka standar
yang besar serta komprehensif.
Python mendukung multi paradigma pemrograman, utamanya; namun

tidak dibatasi; pada pemrograman berorientasi objek, pemrograman imperatif, dan
pemrograman fungsional. Salah satu fitur yang tersedia pada python adalah
sebagai bahasa pemrograman dinamis yang dilengkapi dengan manajemen
memori otomatis. Seperti halnya pada bahasa pemrograman dinamis lainnya,
python umumnya digunakan sebagai bahasa skrip meski pada praktiknya
penggunaan bahasa ini lebih luas mencakup konteks pemanfaatan yang umumnya
tidak dilakukan dengan menggunakan bahasa skrip. Python dapat digunakan
untuk berbagai keperluan pengembangan perangkat lunak dan dapat berjalan di
berbagai platform sistem operasi.
Kesimpulan :
Berdasarkan hasil percobaan dari penyelesaian persoalan dalam tugas
pengkodingan dalam soal Uas yang telah kami coba selesaikan, kami menarik
kesimpulan bahwa Pengkodingan ini bertujuan untuk mempelajari hasil x-ray dari
penderita pneumonia, Adapun cara untuk dapat mendeteksi hasil x-ray dari pasien
penderita peneumonia yaitu dengan cara mengklasifikasikan apakah hasil x-ray
yang telah diperoleh tersebut menunjukkan bahwa pasien tersebut menderita
penyakit pneumonia atau tidak, sehingga dapat memudahkan tenaga medis dalam
mendiagnosa penyakit apa yang pasien derita.
Kesalahan yang terdapat dalam codingan tersebut adalah :

 Pada bagian import, seharusnya import panda ditambahkan huruf s
menjadi pandas, yang merupakan library python berfungsi untuk
menganalisis data.
 Adapun Untuk loading datasetnya kita perlu melakukan setting alamatnya
sendiri pada google drive yang terhubung ke google colabs.
 Pada program python adpun cara untuk menambahkan harus
menggunakan perintah append, bukan dengan perintah add.
 Adapun cara ntuk menghubungkan antara google drive dengan google
colab yaitu kita perlu melakukan import data terlebih dahulu dan
melakukan mount ke files google colab.
 Adapun beberapa kesalahan kecil lainnya, seperti kesalahan dalam
penulisan variable dalam matplotlib yang seharusnya imshow menjadi
imageshow.
 Dan beberapa codingan yang kami tambahkan sesuai dengan perintahnya,
hanya saja karena keterbatasan sumber daya dan pengetahuan kami, kami
mengalami kesulitan di bagian nomor 9 yang seharusnya bisa
menggunakan y_test tetapi setelah kami coba menggunakan y_test malah
hasilnya error, sehingga kami menggunakan x_test.
Materi :
Gambar Paru paru pada penderita pneumonia

Gambar paru-paru normal
Pneumonia adalah kondisi peradangan paru-paru yang terutama

mempengaruhi kantung udara kecil yang dikenal sebagai alveoli. Gejalanya
biasanya mencakup beberapa kombinasi batuk produktif atau kering, nyeri dada,
demam, dan kesulitan bernapas. Tingkat keparahan kondisi ini bervariasi.
Pneumonia biasanya disebabkan oleh infeksi virus atau bakteri dan lebih jarang
oleh mikroorganisme lain, obat-obatan atau kondisi tertentu seperti penyakit
autoimun. Faktor risiko termasuk cystic fibrosis, penyakit paru obstruktif kronik
(PPOK), asma, diabetes, gagal jantung, riwayat penyakit paru-paru. merokok,
kemampuan batuk yang buruk seperti setelah stroke dan sistem kekebalan yang
lemah. Diagnosis sering didasarkan pada gejala dan pemeriksaan fisik. Rontgen
dada, tes darah, dan biakan dahak dapat membantu memastikan diagnosis.
Penyakit ini dapat diklasifikasikan berdasarkan tempat didapatnya, seperti
pneumonia yang didapat dari komunitas atau rumah sakit atau terkait perawatan
kesehatan.
Program :
No 1
Pada bagian pengkodingan pertama sebelumnya terjadi error dikarenakan pada

bagian input library panda seharusnya ditambahkan huruf s pada bagian ahir
sehingga menjadi pandas yang merupakan suatu library untuk menganalisis data
pada phyton
import panda as pd # data processing, CSV file I/O (e.g. pd.read_csv)
ditambahkan huruf S sehingga menjadi import pandas kemudian kembali dirun

dan hasilnya menjadi tidak error.
No 2
Pada bagian ini pengcodinganya sudah benar maka kami hanya melakukan
eksekusi (Run/Compile) program saja untuk meljutkan ke proses selanjutnya.
No 3
No 4
No 5
Pada codingan diatas terdapat kesalahan karena alamat pengimputan file tidak
sesuai dengan alamat di google Drive dan juga akun Google Drive belum di
mount ke Google Colab. Sehingga alamat file tersebut tidak saling terhubung.
Adapun Langkah penyelesaianya sebagai berikut :
1. buat kodingan untuk mengimport folder google drive ke google colab agar
saling terhubung.
2. Kemudian kita copy alamat path dari Folder chest_xray ke kelink data-
set.
No 6
Pada bagian ini terdapat error yaitu di bagian penulisan add seharusnya
menggunakan perintah append untuk menambahkan list/nilai pada kodingan
tersebut.
Dibawah merupakan codingan yang benar.

No 7
Pada bagian ini terdapat kesalahan pada penulisan plt.imageshow seharusnya

ditulis plt.imshow dikarenakan pemanggilan gambar di library matplotlib.pyplot
menggunakan perintah plt.imshow.
Adapun hasil codingan yang benar adalah seperti gambar di bawah.

No 8
Pada bagian ini buat list x_train dan list y_train, lalu lanjutkan membuat list
x_val, y_val, dan kemudian lanjutkan membuat list x_test dan y_test seperti
Langkah-langkah dibawah ini :
Langkah selanjutnya adalah membuat loop train dengan mengetikkan “for feature,
label in train:”, lalu tambahkan feature ke x_train dan label ke y_train. Untuk
membuat loop test ketikkan “for feature, label in test, kemudian dilanjutkan
menambahkan feature ke x_test dan label ke y_test. Sedangkan untuk membuat
loop val ketikkan “for feature, label in val:”, kemudian dilanjutkan dengan
menambahkan feature ke x_val dan label ke y_val.
Sehingga tampilan ahirnya adalah seperti gambar dibawah ini :
No 9
Pada bagian ini kita membuat codingan untuk menormalisasi dataset dengan
melakukan pembagian 255 agar proses dapat berjalan dengan cepat dan lancer
Dan pada bagian peng codingan yang kosong kita tuliskan seperti Langkah-
langkah dibawah ini :
 Ketikkan perintah “x_train = np.array(x_train) / 255, kemudian

normalisasi dataset dengan pembagian 255 agar proses dapat berjalan
dengan cepat
 Kemudian mengetikkankembali perintah “x_val = np.array(x_val) / 255”,
kemudian normalisasi dataset dengan pembagian 255 agar proses dapat
berjalan dengan cepat
 kemudian ketikan perintah “x_test = np.array(x_test) / 255”
Adapun contoh pengkodingan yang sudah kami perbaiki adalah sebagai berikut :
No 10
No 11
Kemudian ada yang kami tambahkan pada zca_whitening dengan

Setting false, kemudian kita buat rotation range di set ke 30, dan zoom range di
set ke 0.2, horizontal_flip di set ke true, dam yang terakhir kita set vertikal_flip ke
flase
No 12
No 13
No 14
history = model.fit(datagen.flow(x_train,y_train, batch_size = 32) ,epochs =
12 , validation_data = datagen.flow(x_val, y_val) ,callbacks =
[learning_rate_reduction])
0] 1h history = model.fit(datagen.flow(x_train,y_train, batch_size = 32) ,epochs =

12 , validation_data = datagen.flow(x_val, y_val) ,callbacks =
[learning_rate_reduction])
Epoch 1/12
165/165 [==============================] - 297s 2s/step - loss: 0.5418
- accuracy: 0.8445 - val_loss: 19.6972 - val_accuracy: 0.5000 - lr: 0.0010
Epoch 2/12
165/165 [==============================] - 296s 2s/step - loss: 0.3057
Epoch 3/12
165/165 [==============================] - ETA: 0s - loss: 0.2306 -
accuracy: 0.9190
Epoch 3: ReduceLROnPlateau reducing learning rate to
0.0003000000142492354.
165/165 [==============================] - 295s 2s/step - loss: 0.2306
Epoch 4/12
165/165 [==============================] - 295s 2s/step - loss: 0.1451
- accuracy: 0.9448 - val_loss: 3.5971 - val_accuracy: 0.5625 - lr: 3.0000e-04
Epoch 5/12
165/165 [==============================] - 294s 2s/step - loss: 0.1361
Epoch 6/12
165/165 [==============================] - 294s 2s/step - loss: 0.1329
Epoch 7/12
165/165 [==============================] - ETA: 0s - loss: 0.1246 -
accuracy: 0.9569
Epoch 7: ReduceLROnPlateau reducing learning rate to 9.000000427477062e-05.
165/165 [==============================] - 295s 2s/step - loss: 0.1246
Epoch 8/12
165/165 [==============================] - 295s 2s/step - loss: 0.1071
Epoch 9/12
165/165 [==============================] - ETA: 0s - loss: 0.1062 -
accuracy: 0.9636
Epoch 9: ReduceLROnPlateau reducing learning rate to 2.700000040931627e-05.
165/165 [==============================] - 295s 2s/step - loss: 0.1062
Epoch 10/12
165/165 [==============================] - 295s 2s/step - loss: 0.0932
Epoch 11/12
165/165 [==============================] - ETA: 0s - loss: 0.0908 -
accuracy: 0.9697
Epoch 11: ReduceLROnPlateau reducing learning rate to 8.100000013655517e-
06.
165/165 [==============================] - 295s 2s/step - loss: 0.0908
Epoch 12/12
165/165 [==============================] - 295s 2s/step - loss: 0.0884
No 15
No 16
Pada bagian ini terdapat perintah untuk membuat custome model tersendiri,
kemudian kami menemukan solusi dengan cara meng-copy model pada bagian
training the model selanjutnya kamipun mengubah nama model.add menjadi
modelSaya.add dikarenakan dalam perintah tersebut terdapat kata kamu dapat
memilih kodingan yang hilang akan tetapi di rekomendasikan menggunakan
fungsi yang sama seperti fungsi yang ada di atas.
No 17
Dikarenakan pada perintah pengumpulan file terdapat perintah pergantian range

konvolusi nilainya dengan 1 angka npm terakhir setiap tim, kemudian dijumlah
jika hasilnya lebih dari 10 maka kurangi dengan 10, dikarenakan angka terkahir
NPM kami bertiga jika dijumlahkan hasilnya adalah 6, maka kami mengganti
range konvulsinya pada epoch tersebut menjadi 6.
No 18
Adapun data hasil dari Compile program tersebut adalah seperti dibawah ini :
No 19
1. Pada data diatas ketikan perintah “predictions = (model.predict(x_test) >
0.5).astype("int32") untuk Menghasilkan prediksi keluaran.
2. Adapun untuk sampel masukan yaitu array x_test.
3. Lalu ketikkan “predictions = predictions.reshape(1,-1)[0] untuk resize
array predictions sebesar 1,-1 pada indeks 0, kemudian ketikkan
“predictions[:15] untuk akses variabel predictions dari index 0 sampai
indeks 15
Sehingga di peroleh hasil print seperti dibawah ini :
No 20
Dari perintah diatas kami membuat laporan Klasifikasi dengan membuat model
sendiri, Adapun model yang telah kami buat adalah seperti di bawah ini, akan
tetapi Ketika kami mencoba untuk membuat y_test maka hasilnya adalah error
sehingga kamipun membuat Klasifikasi model sama seperti pada kodingan
sebelumnya yaitu pada Klasifikasi x_test.
No 21
eksekusi (Run/Compile) program saja untuk meljutkan ke proses selanjutnya
No 22
No 23
No 24
Pada hasil codingan diatas merupakan hasil kodingan yang mengahasilkan
bebrapa jenis prediksi penyakit pneumonia yang benar.
Adapun pada gambar dibawah ini menghasilkan beberapa analisisi kasus prediksi
penyakit pneumonia yang benar yang salah :
Lampiran:
Link Google Colab hasil Running : https://drive.google.com/file/d/1M7OIs-
0AY8DdV4-a5mGxNKE67gPWGgRi/view?
usp=sharing
Nama Anggota Kelompok : 1. Dwikashinta Purwanda Putra

2. Muhammad Haqqu
3. Gilbran Kadafi

Kesimpulan Uas Adp (Algoritma Dan Pemrograman)

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kesimpulan Uas Adp (Algoritma Dan Pemrograman)

Diunggah oleh

Hak Cipta:

Format Tersedia

KESIMPULAN UAS ADP

( ALGORITMA DAN PEMROGRAMAN )

Tugas ini di buat guna memenuhi Tugas UAS Matakuliah

(Dwikashinta Purwanda Putra)

FAKULTAS TEKNIK/S1 TEKNIK ELEKTRO

Python adalah bahasa pemrograman interpretatif multiguna dengan filosofi

Python mendukung multi paradigma pemrograman, utamanya; namun

Kesalahan yang terdapat dalam codingan tersebut adalah :

Gambar Paru paru pada penderita pneumonia

Pneumonia adalah kondisi peradangan paru-paru yang terutama

Pada bagian pengkodingan pertama sebelumnya terjadi error dikarenakan pada

ditambahkan huruf S sehingga menjadi import pandas kemudian kembali dirun

Dibawah merupakan codingan yang benar.

Pada bagian ini terdapat kesalahan pada penulisan plt.imageshow seharusnya

Adapun hasil codingan yang benar adalah seperti gambar di bawah.

 Ketikkan perintah “x_train = np.array(x_train) / 255, kemudian

Kemudian ada yang kami tambahkan pada zca_whitening dengan

0] 1h history = model.fit(datagen.flow(x_train,y_train, batch_size = 32) ,epochs =

Dikarenakan pada perintah pengumpulan file terdapat perintah pergantian range

Sehingga di peroleh hasil print seperti dibawah ini :

Nama Anggota Kelompok : 1. Dwikashinta Purwanda Putra

Anda mungkin juga menyukai