BLESSVALENTA VERONICA MASNIARI (2022) Analisa Variasi Arsitektur Deep Learning untuk Deteksi Mycobacterium tuberculosis pada Citra Sputum Smear. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733032_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733032_BAB I.pdf Download (400kB)
	Text (FULLTEXT) 081811733032_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Tuberkulosis adalah penyakit paru yang menyebabkan banyak masalah kesehatan dengan menduduki peringkat sepuluh ke atas penyebab kematian di dunia yang diakibatkan oleh satu agen infeksius. Penyebab terjadinya tuberkulosis adalah keberadaan bakteri basilus Mycobacterium tuberculosis dalam tubuh. Pemeriksaan sputum smear mikroskopis adalah metode deteksi tuberkulosis yang paling sering digunakan, khususnya pada negara-negara berpendapatan menengah ke bawah karena keterjangkauannya, kesederhanaannya, kecepatan pelaksanaan dan pemeliharaannya dibandingkan dengan metode lainnya. Walaupun demikian, teknik pemeriksaan ini harus melalui proses screening bakteri tuberkulosis secara manual dimana proses ini merupakan pekerjaan berat yang menjenuhkan dan melelahkan, sehingga probabilitas terjadinya kesalahan menjadi tinggi. Dengan itu, metode otomasi merupakan solusi yang tepat untuk mengurangi tingkat kesalahan akibat keteledoran manusia, serta mempercepat proses uji. Penelitian ini menggunakan salah satu metode berbasis Deep Learning yaitu Faster Region-based Convolutional Neural Network (Faster RCNN) untuk mendeteksi bakteri tuberkulosis dengan membandingan performa arsitektur ResNet50 dan Inception v2 pada penambahan Image Enhancement filter Gaussian, filter Median, Contrast Stretching, serta penggabungannya. Penggunaan arsitektur ResNet50 memberikan hasil yang lebih baik secara merata pada nilai parameter Confusion Matrix, dengan nilai rerata akurasi 73.53%, rerata presisi 85.35%, rerata recall senilai 76.57%, dan nilai rerata F-Score yaitu 78.67% dengan waktu proses yang sedikit lebih lama dari penggunaan Inception v2.

Actions (login required)

View Item