Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Penerapan Inception V3 Untuk Deteksi Penyakit Tuberkulosis Berdasarkan Citra Rontgen Dada Melalui Sistem Berbasis Web

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 5 No. 3 (2025) · hlm. 852–862

DOI
10.51454/decode.v5i3.1228
ISSN
2775-1813, 2775-2984
Terbit
2025-10-01
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

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 penulisOrganisasiArtikel 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.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Penerapan Inception V3 Untuk Deteksi Penyakit Tuberkulosis Berdasarkan Citra Rontgen Dada Melalui Sistem Berbasis Web</dc:title><dc:creator>Novita, Davit Purba</dc:creator><dc:creator>Tanjung, Juliansyah Putra</dc:creator><dc:creator>Sinaga, Juanda Putra</dc:creator><dc:creator>Tarigan, Febrianta</dc:creator><dc:creator>Rifqi, Mhd Allifi</dc:creator><dc:description>&lt;jats:p&gt;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%.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2025-10-01</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v5i3.1228</dc:identifier><dc:identifier>10.51454/decode.v5i3.1228</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 5 No 3 (2025); 852-862</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1228/659</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>