Text

SKRIPSI ANALISIS HASILIDENTIFIKASI PENYAKIT TUBERKULOSIS MODEL DEEP LEARNING PADA CITRA DATA THORAXX-RAY MENGGUNAKAN EXPLAINABLE AI

---

Identifikasi penyakit tuberkulosis memerlukan alat yang canggih seperti
X-ray scanning, dimana gambar citra akan memperlihatkan bagian yang specifik,
yaitu area paru-paru. Interpretasi X-ray secara mendalam menjadi kendala di
bidang medis dalam hal analisis dan waktu, dengan pasien yang bertambah setiap
waktu dan mengganggu kinerja dokter radiologis secara langsung. Penelitian ini
bertujuan untuk membantu dokter radiologis dalam mempercepat analisis dan
mengurangi waktu secara signifikan. Dataset yang didapatkan dari Rumah Sakit
Soerojo Magelang, diteliti dengan metode Segmentasi, Klasifikasi dan
Explainable AI. Segmentasi menghasilkan uji akurasi biner 97,60% dan uji IoU
biner 90,15% dengan hasil gambar area paru-paru yang telah tersegmentasi.
Klasifikasi memiliki dua skema, tidak tersegmentasi dan tersegmentasi. Skema
tidak tersegmentasi dengan model MobileNetV2 berhasil mengalahkan
tersegmentasi dengan uji akurasi 91,67%, presisi, recall, f1-score 92,00% dan
specifitas 94,44%. Model klasifikasi ini akan diimplementasikan untuk metode
XAI dengan SHAP dalam menghasilkan prediksi skor dan visualisasi data citra
asli dengan gambar citra yang mengeluarkan titik-titik warna merah sebagai
tuberkulosis dan titik-titik warna biru sebagai non-tuberkulosis. Kedua hasil
divalidasikan dengan dokter radiologis atas kebenaran dalam pengambilan
keputusan yang telah dikeluarkan oleh AI dan bisa menjadi pendamping teknologi
untuk dokter radiologis

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

ELEKTRO MAN H 2026

Penerbit

MAGELANG : UNIVERSITAS TIDAR., 2026

Deskripsi Fisik

XVIII;129 HLM;29 CM

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