SAPUTRA, Thirafi Syahir (2025) Implementasi Arsitektur Vgg-19 Dengan Pendekatan Augmentasi Data dan Retinex Untuk Klasifikasi Penyakit Tuberculosis. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (107kB)
	Text 3. Halaman Pengesahan.pdf Download (104kB)
	Text 4. Kata Pengantar.pdf Restricted to Repository staff only Download (151kB)
	Text 6. ABSTRAK.pdf Download (160kB)
	Text 7. ABSTRACT.pdf Download (153kB)
	Text 8. DAFTAR ISI.pdf Download (244kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (207kB)

Abstract

ABSTRAK
Tuberculosis (TBC) merupakan penyakit menular yang menjadi salah satu penyebab utama
kematian di dunia dan memerlukan diagnosis yang cepat serta akurat untuk menekan angka
penyebaran. Salah satu metode yang umum digunakan adalah pemeriksaan citra X-ray paru
paru karena lebih cepat dan murah dibanding pemeriksaan laboratorium, namun interpretasi
manual masih sangat bergantung pada keahlian radiolog sehingga rawan kesalahan. Penelitian
ini bertujuan mengembangkan sistem klasifikasi otomatis TBC menggunakan arsitektur VGG
19 dengan optimasi hyperparameter dan penerapan Multi-Scale Retinex (MSR) pada citra X
ray paru-paru. Dataset terdiri dari 2.283 citra dengan dua kelas, yaitu Normal (1.583) dan
Tuberculosis (700), serta dilakukan augmentasi berupa rotasi acak 20°, zoom 20%, dan
horizontal flip. Empat hyperparameter utama dieksplorasi, yaitu learning rate (10-3 dan 10-4),
batch size (16 dan 32), dropout (0,3 dan 0,4), dan L2 regularization (10-3). Hasil penelitian
menunjukkan konfigurasi terbaik terdapat pada learning rate 10-4, batch size 16, dan dropout
0,3 dengan akurasi uji 99,71% baik pada model dengan maupun tanpa Retinex. Meskipun
peningkatan akurasi numerik akibat Retinex tidak signifikan, analisis kurva akurasi dan loss
menunjukkan bahwa model dengan Retinex lebih stabil dan mampu mengurangi overfitting.
Dengan demikian, kombinasi optimasi hyperparameter, regularisasi, dan peningkatan kualitas
citra terbukti efektif dalam meningkatkan performa VGG-19 untuk klasifikasi TBC berbasis
X-ray.
Kata kunci : Tuberculosis, VGG-19, Deep Learning, L2 Regularization, Retinex, X-ray.

Actions (login required)

View Item