Text

SKRIPSI PERBANDINGAN PERFORMA KOMPUTASI PADA MODEL U-NET DAN L-UNET UNTUK SEGMENTASI PARU-PARU

---

Segmentasi organ paru-paru pada citra thorax secara manual memiliki beberapa tantangan berupa variasi ukuran organ dan kondisi tubuh pasien sehingga rentan terhadap kesalahan. Model AI (Kecerdasan Buatan) U-Net merupakan salah satu algoritma untuk melakukan tugas segmentasi semantik pada citra medis dan terbukti unggul dibandingkan algoritma sejenis lainnya. Model AI U-Net menghasilkan luaran hasil segmentasi dengan akurasi tinggi, tetapi model ini memiliki jumlah parameter yang signifikan sehingga membutuhkan banyak memori. L-UNet (Light U-Net) merupakan variasi ringan dari arsitektur U-Net yang mengurangi jumlah filter tanpa mengubah struktur utama sehingga mengurangi jumlah parameter, mengurangi beban komputasi, dan dapat digunakan pada perangkat dengan spesifikasi terbatas. Akan tetapi, pengujian performa komputasi model L-UNet belum dilakukan dalam kondisi nyata. Oleh sebab itu, penelitian ini bertujuan untuk menguji dan mengevaluasi performa komputasi serta model AI UNet dan L-UNet untuk tugas segmentasi organ paru-paru pada citra thorax X-ray. Penelitian ini menggunakan data thorax dari Rumah Sakit Soerojo Magelang yang telah diproses dengan menghapus informasi pasien, mengubah format citra, mengubah saluran warna, dan menyesuaikan ukuran citra. Selanjutnya, model UNet dan L-UNet dilatih menggunakan data thorax yang telah diproses dan melakukan pengujian performa komputasi berdasarkan waktu inferensi dan penggunaan memori. Performa model AI U-Net terbaik didapatkan pada data validasi dengan hasil akurasi 97,46%; loss 7,39%; presisi 96,29%; dan IoU (Intersection over Union) 91,33%. Untuk performa model AI L-UNet terbaik didapatkan pada data validasi dengan hasil akurasi 97,30%; loss 7,88%; presisi 95,82% dan IoU 90,83%. Hasil performa komputasi menunjukkan model L-UNet menggunakan lebih sedikit memori dan cepat saat dilakukan pengujian untuk memproses 1, 10, dan 20 citra. Maka dari itu, model L-UNet dapat menjadi alternatif model U-Net untuk tugas segmentasi semantik yang efisien dan cepat, tetapi menghasilkan luaran dengan akurasi dan nilai IoU tinggi.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

ELEKTRO WIJ P 2025

Penerbit

MAGELANG : UNIVERSITAS TIDAR., 2025

Deskripsi Fisik

XIX;120HAL;29.5CM

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

621.38

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar