Skripsi

IDENTIFIKASI PENYAKIT TUBERCULOSIS MELALUI HASIL CITRA X-RAY MENGGUNAKAN DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK

---

Penilaian

---

Penelitian tentang deteksi penyakit tuberculosis umumnya menggunakan dataset dari sumber publik. Sedangkan, penelitian yang menggunakan dataset langsung dari rumah sakit di Indonesia masih terbatas. Selain itu, hasil akurasi yang didapat pada klasifikasi tuberculosis masih belum optimal. Sehingga, pada penelitian ini dikembangkan sistem deteksi tuberculosis pada citra X-Ray dengan menggunakan dataset dari RSUP Rivai Abdullah menggunakan arsitektur convolutional neural network (CNN). Penelitian ini dilakukan secara eksperimental dengan menggunakan kombinasi dataset dari RSUP Rivai Abdulllah sebanyak 279 citra x-ray dan 1036 data sekunder. Pada penelitian ini digunakan tiga arsitektur CNN, yaitu DenseNet, AlexNet, dan modifikasi DenseNet121. Hasil penelitian menunjukkan faktor-faktor yang memengaruhi kinerja tiga arsitektur pemodelan. Perbedaan jumlah data primer dan sekunder mempengaruhi hasil pelatihan. Arsitektur yang lebih dalam, seperti DenseNet121 dan arsitektur hasil modifikasi mampu memahami ciri citra lebih baik. Arsitektur CNN hasil modifikasi DenseNet121 mengungguli DenseNet121 karena penambahan lapisan aktivasi rectified linear unit (ReLU) dan fitur model checkpoint. Model checkpoint memungkinkan penyimpanan otomatis tanpa menghentikan proses pelatihan. Model hasil pelatihan dengan menggunakan arsitektur modifikasi DenseNet121 menunjukkan performa terbaik dalam mengklasifikasikan tuberculosis melalui citra X-Ray dengan akurasi mencapai 99.47% dan akurasi validasi 92.18%. Pengujian parameter learning rate, epoch, dan batch size memberikan pengaruh signifikan terhadap performa model, dimana arsitektur hasil modifikasi DenseNet yang menghasilkan performa terbaik dengan parameter learning rate 0.0001, epoch 50, dan batch size 16. Kata Kunci: Tuberculosis, X-Ray, Convolutional Neural Network, DenseNet, modifikasi DenseNet

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2307005911	T129112	T1291122023	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1291122023

Publisher

Indralaya : Prodi Teknik Elektro, Fakultas Teknik Universitas Sriwijaya., 2023

Collation

xv, 52 hlm.; Ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

629.807

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Teknik kontrol otomatis
Prodi Teknik Elektro

Specific Detail Info

-

Statement of Responsibility

PITRIA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment