Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB
Izanati, Nazuha
Unknown Affiliation
Education

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

Found 1 Documents
Search

 1 
IDENTIFIKASI NON-INVASIF SKOLIOSIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR RESIDUAL NETWORK (RESNET18) DAN MOBILE NETWORK (MOBILENETV2) Izanati, Nazuha; Mudjirahardjo, Panca; Setyawan, Raden Arief
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Skoliosis merupakan kelainan tulang belakang yang menyebabkan kelengkungan abnormal dan berdampak padapostur serta kesehatan jangka panjang penderitanya. Metode deteksi konvensional seperti X-ray memiliki risiko paparan radiasiserta keterbatasan akses di beberapa wilayah. Penelitian ini bertujuan untuk mengidentifikasi skoliosis secara non-invasifmelalui citra tampak belakang tubuh manusia menggunakan model Convolutional Neural Network (CNN) dengan duapendekatan arsitektur, yaitu ResNet-18 dan MobileNetV2. Dataset citra yang digunakan terdiri dari dua kelas: normal danskoliosis, dan diolah melalui beberapa skenario eksperimental seperti representasi warna, jumlah epoch, jenis optimizer, sertanilai learning rate. Hasil menunjukkan bahwa MobileNetV2 memberikan performa terbaik dengan akurasi 88% dan waktukomputasi yang lebih efisien dibandingkan ResNet-18 yang mencapai akurasi 84%. Perbandingan menunjukkan bahwaMobileNetV2 unggul dalam efisiensi, sementara ResNet-18 lebih konsisten dalam performa klasifikasi. Pendekatan inimembuktikan bahwa CNN dapat menjadi solusi alternatif yang aman, efisien, dan mudah diterapkan untuk deteksi skoliosissecara dini dan non-invasif.Kata Kunci—Skoliosis, CNN, ResNet-18, MobileNetV2, Klasifikasi Citra, Deteksi Non-Invasif
Co-Authors Mudjirahardjo, Panca Raden Arief Setyawan