Melola Discovery

← Melola Discovery

Open access Journal 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) · pp. 852–862

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

Abstract

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%.

Collaboration network of the authors

5 authors · 10 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from 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>