ALFIANSYAH, Rasyid (2025) Deteksi Penyakit Paru-Paru Dari Citra X-ray Menggunakan Segmentasi U-Net dan Klasifikasi CNN. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (70kB)
	Text 3. PERNYATAAN ORISINALITAS.pdf Download (181kB)
	Text 4. HALAMAN PENGESAHAN SKRIPSI.pdf Download (226kB)
	Text 6. KATA PENGANTAR.pdf Download (81kB)
	Text 7. DAFTAR ISI.pdf Download (32kB)
	Text 12. ABSTRAK.pdf Download (29kB)
	Text 13. ABSTRACT.pdf Download (79kB)
	Text 14. BAB I PENDAHULUAN.pdf Download (97kB)
	Text 19. DAFTAR PUSTAKA.pdf Download (133kB)

Abstract

Penyakit paru-paru merupakan gangguan yang dapat mempengaruhi fungsi
pernapasan dan penting untuk dideteksi secara dini. Rontgen dada menjadi
modalitas pencitraan yang banyak digunakan, namun keterbatasan tenaga ahli
radiologi membuat analisis manual menjadi tantangan. Oleh karena itu, sistem
Computer-Aided Diagnosis (CAD) berbasis deep learning semakin dikembangkan
untuk membantu meringankan beban kerja tenaga medis dalam proses diagnosis.
Penelitian ini mengusulkan pendekatan deteksi penyakit paru-paru dari citra X-ray
dengan menggabungkan segmentasi menggunakan arsitektur U-Net dan klasifikasi
menggunakan arsitektur Convolutional Neural Network (CNN). Model U-Net
digunakan untuk mengekstraksi Region of Interest (ROI) pada paru-paru, yang
kemudian diklasifikasikan menggunakan CNN ke dalam empat kategori: COVID
19, pneumonia, tuberkulosis, dan normal. Hasil penelitian menunjukkan bahwa
model yang dikembangkan mampu mendeteksi penyakit paru-paru dari citra X-ray
dengan baik. Model U-Net mencapai nilai Intersection over Union (IoU) sebesar
91,69% menggunakan parameter initial learning rate sebesar 0.0001 dan tanpa
menggunakan lapisan dropout. Sementara itu, model CNN menunjukkan akurasi
sebesar 95,7% menggunakan augmentasi dan dengan dropout sebesar 0.5. Hasil ini
mencerminkan performa model yang baik dalam melakukan klasifikasi COVID-19,
pneumonia, tuberkulosis, dan paru-paru normal. Sistem yang diajukan kemudian
diimplementasikan dalam bentuk aplikasi web menggunakan framework Flask.
Kata Kunci: Computer-Aided Diagnosis, deep learning, U-Net, CNN, X-ray,
penyakit paru-paru.

Actions (login required)

View Item