Melola Discovery

← Melola Discovery

Akses terbuka Jurnal

ANALISIS AKURASI MODEL MOBILENETV2 DALAM KLASIFIKASI CITRA X-RAY UNTUK DETEKSI KONDISI PARU-PARU

JOURNAL ONLINE OF PHYSICS · Vol. 10 No. 3 (2025) · hlm. 67–74

DOI
10.22437/jop.v10i3.44453
ISSN
2502-2016
Terbit
2025-07-14
Penerbit
Prodi Fisika FST UNJA
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Penelitian ini bertujuan untuk menganalisis akurasi model MobileNetV2 dalam melakukan klasifikasi citra X-ray pada deteksi empat kondisi paru-paru, yaitu Normal, Pneumonia, Cardiomegaly, dan Pneumothorax. Dataset yang digunakan terdiri dari 12.539 citra X-ray yang diambil dari repositori publik dan telah melalui proses preprocessing, augmentasi, serta pembobotan kelas untuk mengatasi ketidakseimbangan data. Model dikembangkan dengan metode transfer learning dan fine-tuning pada lapisan akhir MobileNetV2. Hasil pengujian pada data uji menunjukkan bahwa model yang diusulkan mampu mencapai nilai akurasi sebesar 99,42%, precision 98,87%, recall 98,88%, dan F1-score 98,86%. Seluruh hasil evaluasi ini melampaui standar medis minimal ≥90% aplikasi klinis. Temuan penelitian ini menegaskan bahwa MobileNetV2 sangat potensial digunakan sebagai alat bantu diagnosis otomatis berbasis citra X-ray, guna meningkatkan efektivitas deteksi dini penyakit paru-paru pada lingkungan klinis.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 92 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Halu Oleo
  • 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
Nasuka NasukaAfiliasi tidak diketahui3
Dewangga YudhistiraAfiliasi tidak diketahui2
Canti Dwi PutriAfiliasi tidak diketahui2
Ansharullah AnsharullahUniversitas Halu Oleo1
Abdu Rahman BacoAfiliasi tidak diketahui1
Sri SumartiningsihAfiliasi tidak diketahui1
Siti Baitul MukarromahAfiliasi tidak diketahui1
Suto Wijoyo Wisnu Teguh PurnomoAfiliasi tidak diketahui1
Mega Lilia HandhinAfiliasi tidak diketahui1
Gina Nur AiniAfiliasi tidak diketahui1
Muhammad MuhibbiAfiliasi tidak diketahui1
Syahru RomadhoniAfiliasi tidak diketahui1
Andre YogaswaraAfiliasi tidak diketahui1
Ahmad Teguh RamadhanAfiliasi tidak diketahui1
Sandra Gita Wardany SandraAfiliasi tidak diketahui1
WildanAfiliasi tidak diketahui1
JENNYCA JEJEAfiliasi tidak diketahui1
Tandiyo RahayuAfiliasi tidak diketahui1
Sobihin SobihinAfiliasi tidak diketahui1
Ranu Baskora Aji PutraAfiliasi tidak diketahui1
Bayu RahardianAfiliasi tidak diketahui1
Beben GuniandiAfiliasi tidak diketahui1
Nguyen Tra GiangAfiliasi tidak diketahui1
Purwono Sidik PermonoAfiliasi tidak diketahui1
Wiga Nurlatifa RomadhoniAfiliasi tidak diketahui1
Novita OktavianaAfiliasi tidak diketahui1
Iskandar Rizal PratamaAfiliasi tidak diketahui1
Rubianto HadiAfiliasi tidak diketahui1
Prama Ramadani PutrantoAfiliasi tidak diketahui1
Tegar HandokoAfiliasi tidak diketahui1
Lutfi NuryantiAfiliasi tidak diketahui1
Wahadi WahadiAfiliasi tidak diketahui1
Yudha Budi PamungkasAfiliasi tidak diketahui1
Hasuri HasuriAfiliasi tidak diketahui1

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.

Sumber metadata: OAI-PMH (metadata jurnal) https://online-journal.unja.ac.id/index.php/jop/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">ANALISIS AKURASI MODEL MOBILENETV2 DALAM KLASIFIKASI CITRA X-RAY UNTUK DETEKSI KONDISI PARU-PARU</dc:title>
	<dc:creator xml:lang="en">Syakuroh, Abdan</dc:creator>
	<dc:creator xml:lang="en">Monado, Fiber</dc:creator>
	<dc:creator xml:lang="en">Ariani, Menik</dc:creator>
	<dc:creator xml:lang="en">Hadi, Hadi</dc:creator>
	<dc:creator xml:lang="en">Koriyanti, Erry</dc:creator>
	<dc:creator xml:lang="en">Erni, Erni</dc:creator>
	<dc:subject xml:lang="en">MobileNetV2</dc:subject>
	<dc:subject xml:lang="en">Klasifikasi Citra X-Ray</dc:subject>
	<dc:subject xml:lang="en">Deteksi Penyakit Paru-Paru</dc:subject>
	<dc:subject xml:lang="en">Deep Learning</dc:subject>
	<dc:subject xml:lang="en">Diagnosis Otomatis</dc:subject>
	<dc:description xml:lang="en">Penelitian ini bertujuan untuk menganalisis akurasi model MobileNetV2 dalam melakukan klasifikasi citra X-ray pada deteksi empat kondisi paru-paru, yaitu Normal, Pneumonia, Cardiomegaly, dan Pneumothorax. Dataset yang digunakan terdiri dari 12.539 citra X-ray yang diambil dari repositori publik dan telah melalui proses preprocessing, augmentasi, serta pembobotan kelas untuk mengatasi ketidakseimbangan data. Model dikembangkan dengan metode transfer learning dan fine-tuning pada lapisan akhir MobileNetV2. Hasil pengujian pada data uji menunjukkan bahwa model yang diusulkan mampu mencapai nilai akurasi sebesar 99,42%, precision 98,87%, recall 98,88%, dan F1-score 98,86%. Seluruh hasil evaluasi ini melampaui standar medis minimal ≥90% aplikasi klinis. Temuan penelitian ini menegaskan bahwa MobileNetV2 sangat potensial digunakan sebagai alat bantu diagnosis otomatis berbasis citra X-ray, guna meningkatkan efektivitas deteksi dini penyakit paru-paru pada lingkungan klinis.</dc:description>
	<dc:publisher xml:lang="en">Prodi Fisika FST UNJA</dc:publisher>
	<dc:date>2025-07-14</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://online-journal.unja.ac.id/jop/article/view/44453</dc:identifier>
	<dc:identifier>10.22437/jop.v10i3.44453</dc:identifier>
	<dc:source xml:lang="en">JOURNAL ONLINE OF PHYSICS; Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3; 67-74</dc:source>
	<dc:source>2502-2016</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://online-journal.unja.ac.id/jop/article/view/44453/21515</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Abdan Syakuroh, Fiber Monado, Menik Ariani, Hadi Hadi, Erry Koriyanti, Erni Erni</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>