Tuberkulosis merupakan penyakit menular yang masih menjadi permasalahan signifikan di sektor kesehatan, terutama di Indonesia. Proses diagnosis berbasis citra rontgen dada kerap menghadapi kendala akibat keterbatasan jumlah radiolog dan kemiripan visual antara tuberkulosis dan gangguan paru lainnya. Penelitian ini mengkaji penerapan model deep learning dengan arsitektur Inception v3 yang dirancang untuk ekstraksi fitur multiskala. Model diterapkan dalam sistem berbasis web dengan antarmuka yang dibangun menggunakan framework django. Studi ini bersifat kuantitatif dan menggunakan dataset citra rontgen dada dari platform Kaggle untuk pelatihan dan pengujian klasifikasi antara kondisi paru normal dan terindikasi tuberkulosis. Model yang telah melalui proses fine-tuning dengan 30 epoch learning rate sebesar 0,0001, dan dropout rate 0,5 menunjukkan akurasi pelatihan sebesar 97% dengan nilai loss 0,08. Pengujian menggunakan confusion matrix terhadap data uji menghasilkan akurasi sebesar 98,57%.
Jaringan kolaborasi para penulis
5 penulis ·
10 tautan kepenulisan bersama
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.