<![CDATA[Penyakit Tuberkulosis (TBC) merupakan salah satu penyakit yang masih menjadi masalah utama di negara berkembang seperti Indonesia. Tuberkulosis (TBC) adalah penyakit yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Tuberkulosis menyerang paru-paru dan dapat mengifneksi orang lain. Penyakit ini bersifat menular.Radiologi termasuk salah satu pemeriksaan diagnosis yang dapat dilakukan pada penyakit TB-paru. Dengan menganalisa citra x-ray hasil rontgen pada dada tubuh seseorang, maka para dokter dapat melakukan proses diagnosa penyakit TBC. Permasalahan yang terjadi adalah diagnosa penyakit TBC masih dilakukan secara manual oleh dokter. Tujuan penelitian ini adalah mengimplementasikan model Convolutional Neural Network (CNN) untuk klasifikasi penyakit TBC berbasis dektop. Untuk mengoptimalkan model tersebut menggunakan optimizer Stochastic Gradient Descent (SGD). Model CNN optimal yang diimplementasikan bisa membantu dokter dalam proses identifikasi hasil rontgen menggunakan proses komputerisasi. Hasil identifikasi ini dapat mengklasifikasi apakah seseorang mempunyai penyakit tbc atau tidak. Dataset didapat dari website kaggle.com berjumlah 240 data yang terdiri dari 160 data latih dan atau 80 data uji. Citra yang digunakan berukuran 128x128 piksel. Pelatihan model menggunakan 50 epochs dan learning rate 0.01. Hasil pelatihan tersebut mendapatkan nilai akurasi sebesar 98.75%. Implementasi model CNN pada uji coba aplikasi menggunakan 15 citra x-ray yang terdiri dari 8 citra x-ray normal dan 7 citra x-ray TBC menunjukan bahwa semua prediksi berdasarkan sistem dan aktual hasilnya sesuai.]]>
Copyrights © 2022
