NUGROHO, Mursetyo Ardiyan (2025) Penerapan Convolution Neural Network ResNet50 untuk Klasifikasi Citra X-Ray Tulang Retak. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (254kB)
	Text 4. KATA PENGANTAR.pdf Restricted to Repository staff only Download (294kB)
	Text 6. ABSTRAK.pdf Download (335kB)
	Text 7. ABSTRAC.pdf Download (335kB)
	Text 8. DAFTAR ISI.pdf Download (338kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (423kB)

Abstract

ABSTRAK
Penelitian ini bertujuan untuk mengembangkan model klasifikasi otomatis sebagai alat bantu
diagnosis untuk mendeteksi tulang retak pada citra X-ray secara lebih cepat dan akurat.
Model dibangun menggunakan arsitektur Convolutional Neural Network (CNN) ResNet50
dengan pendekatan transfer learning dari bobot pralatih ImageNet. Dataset yang digunakan
merupakan data publik dari Kaggle berjumlah 10.581 citra X-ray yang terbagi menjadi data
pelatihan, validasi, dan pengujian. Tahapan pra-pemrosesan mencakup penyesuaian ukuran
citra menjadi 224×224 piksel, normalisasi, serta augmentasi data untuk meningkatkan
generalisasi model. Arsitektur model disesuaikan dengan penambahan lapisan klasifikasi,
regularisasi L2, dan Dropout guna mencegah overfitting. Optimasi hiperparameter dilakukan
melalui Grid Search dengan menguji kombinasi Dropout rate (0,3 dan 0,5), learning rate
(0,001 dan 0,0001), serta batch size (8 dan 16). Hasil terbaik diperoleh pada kombinasi
Dropout rate 0,3, learning rate 0,001, dan batch size 8, dengan akurasi validasi mencapai
99,7%. Evaluasi pada data uji menghasilkan akurasi 99,01%, presisi 98,31%, recall 99,57%,
dan F1-score 97,84%. Model juga dilengkapi dengan analisis terhadap gambar yang salah
klasifikasi, termasuk false negative, sebagai bagian dari evaluasi menyeluruh. Temuan ini
menunjukkan bahwa model CNN ResNet50 yang dioptimalkan dapat menjadi solusi efektif
sebagai alat bantu diagnosis dalam mendeteksi patah tulang melalui citra X-ray.
Implementasi model ini berpotensi untuk mendukung pelayanan medis di fasilitas kesehatan,
khususnya di daerah dengan keterbatasan tenaga ahli radiologi.
Kata kunci : CNN, ResNet50, Klasifikasi X-Ray, Transfer learning, Grid Search, Tulang
Retak

Actions (login required)

View Item