HAYKAL ALYA MUBARAK, HAYKAL ALYA MUBARAK (2025) KLASIFIKASI CITRA X-RAY TUBERKULOSIS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS. Building of Informatics, Technology and Science (BITS), 6 (4). p. 999. ISSN 2685-3310 (In Press)

Preview

Text Haykal Alya Mubarak.pdf Download (3MB) | Preview

Abstract

Tuberkulosis (TBC) merupakan penyakit menular serius yang masih menjadi salah satu penyebab utama kematian di dunia, terutama di negara berkembang. Analisis citra X-ray merupakan langkah penting dalam pengendalian penyakit ini. Penelitian ini bertujuan untuk mengklasifikasikan citra X-ray penyakit tuberkulosis menggunakan pendekatan deep learning dengan tiga arsitektur Convolutional Neural Networks (CNN): DenseNet201, Xception, dan MobileNetV2. Dataset yang digunakan terdiri dari 3.000 gambar X-ray, terbagi dalam dua kategori: normal dan TBC, yang diperoleh dari Kaggle, yang kemudian diproses melalui normalisasi, augmentasi, dan pembagian data menggunakan metode hold-out dengan rasio 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa DenseNet201 dengan optimizer Nadam pada pembagian data 90:10 menghasilkan akurasi tertinggi sebesar 100%, menjadikannya kombinasi terbaik untuk klasifikasi citra X-ray TBC. Xception mencapai akurasi terbaik sebesar 96,66% dengan optimizer Nadam pada pembagian data 80:20. MobileNetV2 menunjukkan akurasi optimal sebesar 98,69% menggunakan optimizer Adam pada pembagian data 90:10. Penelitian ini membuktikan bahwa DenseNet201 dengan optimizer Nadam sangat efektif dalam menangani klasifikasi citra medis, khususnya untuk tuberkulosis. Hasil ini memberikan kontribusi penting dalam pengembangan teknologi berbasis deep learning untuk meningkatkan akurasi diagnosis penyakit tuberkulosis.

Actions (login required)

View Item