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

DASTUR, DAVIS PURNAMA and Dwijayanti, Suci (2023) IDENTIFIKASI PENYAKIT TUBERCULOSIS MELALUI HASIL CITRA X-RAY MENGGUNAKAN DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Sriwijaya University.

	Text RAMA_20201_03041281924041.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_20201_03041281924041_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (8MB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (917kB)
	Text RAMA_20201_03041281924041_0030078404_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (505kB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (132kB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (701kB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (10kB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (75kB) | Request a copy
	Text RAMA_20201_03041281924041_0030078404_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (342kB) | Request a copy

Abstract

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

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Tuberculosis, X-Ray, Convolutional Neural Network, DenseNet, modifikasi DenseNet
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1-9971 Electrical engineering. Electronics. Nuclear engineering > TK1 Electrical engineering--Periodicals. Automatic control--Periodicals. Computer science--Periodicals. Information technology--Periodicals. Automatic control. Computer science. Electrical engineering. Information technology.
Divisions:	03-Faculty of Engineering > 20201-Electrical Engineering (S1)
Depositing User:	Davis Purnama Dastur
Date Deposited:	27 Sep 2023 04:46
Last Modified:	27 Sep 2023 04:46
URI:	http://repository.unsri.ac.id/id/eprint/129112

Actions (login required)

View Item