Pembuatan Aplikasi Berbasis Resnet-50 Untuk Deteksi Penyakit Paru-Paru Pada Citra X-Ray

Satria Ananda Putra, Dewa Putu (2025) Pembuatan Aplikasi Berbasis Resnet-50 Untuk Deteksi Penyakit Paru-Paru Pada Citra X-Ray. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full text) RAMA_58302_2115354079_full.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354079_0031058002_0625048702_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text (iThenticate) RAMA_58302_2115354079_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penyakit paru-paru seperti pneumonia dan tuberkulosis masih menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini menjadi kunci untuk meningkatkan efektivitas penanganan penyakit tersebut. Namun, keterbatasan tenaga medis dan alat diagnostik, terutama di daerah terpencil, masih menjadi kendala. Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi penyakit paru-paru secara otomatis menggunakan teknologi Convolutional Neural Network (CNN) berbasis transfer learning dengan arsitektur ResNet-50. Sistem dirancang untuk dapat berjalan pada perangkat dengan spesifikasi rendah, seperti laptop umum, sehingga lebih terjangkau dan mudah diakses. Pengembangan sistem dilakukan menggunakan bahasa pemrograman Python dengan library TensorFlow/Keras, serta didukung oleh OpenCV untuk pengolahan citra. Dataset citra X ray diperoleh dari sumber terpercaya seperti NIH Chest X-ray, dan diproses melalui tahap preprocessing serta augmentasi data. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan penyakit paru-paru dengan akurasi tinggi, yaitu 90% untuk tuberkulosis dan 84% untuk pneumonia. Aplikasi purwarupa yang dihasilkan memiliki antarmuka yang sederhana dan mudah digunakan, serta memberikan hasil klasifikasi dalam waktu kurang dari 10 detik per gambar. Penelitian ini menunjukkan bahwa teknologi CNN dengan transfer learning dapat dimanfaatkan secara efektif untuk mendeteksi penyakit paru-paru melalui citra X-ray, bahkan pada perangkat dengan keterbatasan komputasi. Hasil ini menjadi fondasi untuk pengembangan lebih lanjut sistem diagnosa berbasis AI yang lebih kompleks dan terintegrasi.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	CNN, ResNet-50, Deteksi Penyakit Paru-paru, Citra X-ray, Transfer Learning, Python.
Subjects:	Ilmu Teknik Ilmu Teknik > Teknik Elektro Dan Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak Ilmu Teknik > Teknik Elektro Dan Informatika > Bidang Teknik Elektro dan Informatika Lain Yang Belum Tercantum
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	dewa putu satria ananda putra
Date Deposited:	19 Aug 2025 01:45
Last Modified:	19 Aug 2025 01:45
URI:	https://repository.pnb.ac.id/id/eprint/16179

Actions (login required)

View Item