Perpustakaan
DESKRIPSI DATA LENGKAP
JudulKombinasi Metode Segmentasi K-Means Clustering Dan Convolutional Neural Network VGG16 Untuk Mengklasifikasikan Penyakit Tuberculosis (TB) Berbasis Citra Rontgen
Nama: ALIF
Tahun: 2025
Abstrak
Tuberculosis (TB) adalah bakteri Mycobacterium tuberculosis dan umumnya menyerang paru-paru. Penelitian ini membahas klasifikasi TB berbasis citra rontgen dengan mengombinasikan metode segmentasi. Kombinasi K-Means Clustering dan CNN VGG16 digunakan untuk meningkatkan kualitas citra melalui segmentasi area penting, sementara CNN VGG16 berperan dalam ekstraksi fitur yang kompleks dan efisien secara komputasi untuk klasifikasi TB. Tujuan penelitian adalah untuk mengetahui hasil pre-processing citra menggunakan segmentasi K-Means serta mengevaluasi kinerja klasifikasi penyakit TB menggunakan CNN VGG16. Data yang digunakan terdiri dari 320 citra rontgen dada dengan pembagian data training dan testing dalam beberapa rasio. Hasil segmentasi dengan K-Means pada k=2 menunjukkan segmentasi optimal berdasarkan nilai dice coefficient. Model CNN VGG16 mencapai kinerja terbaik pada rasio data 90:10 dengan akurasi 91?n nilai AUC 0.98, yang menunjukkan kemampuan tinggi dalam membedakan citra TB dan Non-TB. Simpulan penelitian ini adalah kombinasi segmentasi K-Means dan klasifikasi CNN VGG16 efektif dalam mengklasifikasikan penyakit TB dengan baik. Kata kunci: Tuberkulosis, K-Means Clustering, Convolutional Neural Network, VGG16, Citra Rontgen.

Sign In to Perpus

Don't have an account? Sign Up