JudulPenerapan Efficient-Net Based Pretrained Convolutional Neural Network (E-Net CNNs) Untuk Klasifikasi Tuberkulosis Pada Citra Sinar-X Thoraks |
Nama: ALLISA ALAVI |
Tahun: 2025 |
Abstrak Tuberkulosis (TBC) adalah penyakit infeksi menular oleh bakteri Mycobacterium tuberculosis, dengan paru-paru sebagai organ target utama. Seiring meningkatnya kasus TBC, diperlukan metode klasifikasi citra untuk mempermudah prediksi penyakit ini. Metode yang digunakkan adalah Convolutional Neural Network dengan arsitektur EfficientNet-B0 menggunakan transfer learning dan strategi 2-Phase Training serta divalidasi menggunakan Stratified 5-Fold Cross-Validation. Penelitian ini bertujuan mengetahui proses pelatihan dan konfigurasi model EfficientNet-B0, serta mengevaluasi performanya melalui metrik klasifikasi dan representasi fitur menggunakan t-SNE. Hasil penelitian menunjukkan bahwa proses pelatihan model berjalan stabil dan berhasil dikonfigurasi, dengan akurasi rata-rata pada data latih mencapai 90 persen. Selanjutnya, evaluasi pada data uji menggunakan metrik klasifikasi menunjukkan hasil akurasi sebesar 75 persen, precision 73 persen, recall 80 persen, dan F1-score 76 persen. Visualisasi menggunakan t-SNE menunjukkan representasi fitur dengan klaster antarkelas yang sebagian besar terpisah secara jelas. Hal ini mengindikasikan kemampuan model untuk membedakan antara citra paru-paru normal dan yang terindikasi tuberkulosis secara efektif. |