Pengaruh Teknik Pre-Processing Citra X-Ray terhadap Performa ResNet18 dalam Klasifikasi Penyakit Paru-Paru

Alvino Graha Nusantara (Universitas Nusantara PGRI Kediri)
Ratih Kumalasari Niswatin (Universitas Nusantara PGRI Kediri)
Danar Putra Pamungkas (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

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.