Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer)
Muhammad Alif Nadin Putra
Universitas Pembangunan Nasional "Veteran" Jakarta
Computer Science & IT

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

Found 1 Documents
Search

 1 
PERBANDINGAN DENSENET201, EFFICIENTNETB0, DAN MOBILENETV2 UNTUK KLASIFIKASI TUBERKULOSIS DAN PNEUMONIA PADA PARU Muhammad Alif Nadin Putra; Neny Rosmawarni; Kraugusteeliana Kraugusteeliana; Faiz Firstian Nugroho; Nisaul Husna
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2686

Abstract

Penelitian ini bertujuan membandingkan performa DenseNet201, EfficientNetB0, dan MobileNetV2 untuk klasifikasi citra X-ray dada pada tiga kelas, yaitu TBC, pneumonia, dan normal, sebagai respons terhadap keterbatasan tenaga radiolog dan tingginya kebutuhan diagnosis cepat. Dataset berjumlah 5.312 citra (2.494 TBC, 2.100 pneumonia, 718 normal) dibagi menjadi 70% data latih, 15% validasi, dan 15% data uji. Tahap praproses mencakup resize citra menjadi 224×224 piksel, normalisasi sesuai model, serta augmentasi data berupa horizontal/vertical flip, rotasi, zoom 15%, dan shear 15%. Ketiga arsitektur dilatih menggunakan transfer learning berbobot awal ImageNet, kemudian fine-tuning pada 15 lapisan terakhir dengan optimizer Adam. Evaluasi dilakukan menggunakan confusion matrix, akurasi, precision, recall, F1-score, dan AUC. Hasil menunjukkan DenseNet201 memberikan kinerja terbaik dengan akurasi 96,86% (precision 97%, recall 96%, F1-score 96%), diikuti EfficientNetB0 dengan akurasi 95,61%, sedangkan MobileNetV2 mencapai 89,21%. Temuan ini menunjukkan DenseNet201 paling efektif untuk klasifikasi TBC dan pneumonia pada citra X-ray dada, dengan tantangan utama berupa ketidakseimbangan data pada kelas normal yang masih memengaruhi konsistensi prediksi model.
Co-Authors Faiz Firstian Nugroho Kraugusteeliana Kraugusteeliana Neny Rosmawarni Nisaul Husna