Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Alvino Graha Nusantara
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengaruh Teknik Pre-Processing Citra X-Ray terhadap Performa ResNet18 dalam Klasifikasi Penyakit Paru-Paru Alvino Graha Nusantara; Ratih Kumalasari Niswatin; Danar Putra Pamungkas
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/rh544w60

Abstract

Kanker paru-paru merupakan penyakit dengan tingkat kematian tertinggi yang membutuhkan deteksi dini untuk meningkatkan peluang kesembuhan pasien. Penggunaan citra X-ray dada sering terkendala masalah kontras rendah dan noise. Penelitian ini bertujuan menganalisis pengaruh penerapan teknik pre-processing citra terhadap performa model ResNet18 dalam mengklasifikasikan kelainan paruparu menggunakan 3.475 data dari Kaggle. Tahapan pre-processing yang diterapkan meliputi grayscale conversion, resizing, CLAHE, normalization, dan Gaussian Filtering. Hasil penelitian menunjukkan bahwa penerapan pre-processing berhasil meningkatkan performa model secara konsisten, dengan nilai akurasi meningkat dari 85,0% menjadi 87,5%, presisi menjadi 90,2%, recall menjadi 85,3%, dan F1-score menjadi 87,6%. Model juga menunjukkan tingkat kepercayaan prediksi mencapai 99,01% dengan waktu pemrosesan efisien sebesar 1,391 detik. Kesimpulannya, pengondisian data masukan terbukti secara signifikan mengoptimalkan ekstraksi fitur visual model sehingga sangat potensial diimplementasikan sebagai alat bantu triase medis yang cepat dan akurat.
Co-Authors Danar Putra Pamungkas, Danar Putra Ratih Kumalasari Niswatin