WIJAYA, Bima Arya (2026) Klasifikasi Fraktur Tulang Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur MobileNetV2. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Other (FULL TEXT) 24060119130106_Bima Arya Wijaya_Bebas Perpus FSM.rar Restricted to Repository staff only Download (4MB) | Request a copy
	Text 2. HALAMAN JUDUL.pdf Download (72kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (103kB)
	Text 5. KATA PENGANTAR.pdf Download (117kB)
	Text 7. ABSRTAK.pdf Download (164kB)
	Text 8. ABSTRACT.pdf Download (163kB)
	Text 9. DAFTAR ISI.pdf Download (269kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (268kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (240kB)

Abstract

Diagnosis fraktur tulang secara konvensional melalui citra X-Ray sangat bergantung pada
pengamatan visual tenaga medis, yang membutuhkan ketelitian tinggi, waktu yang lama,
serta berisiko terhadap kesalahan diagnosis akibat faktor subjektivitas dan kelelahan visual.
Penelitian ini bertujuan untuk mengembangkan model klasifikasi otomatis yang cepat dan
akurat menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur
MobileNetV2. Dataset yang digunakan dalam penelitian ini berasal dari Kaggle dengan
judul “Fracture Detection Using X-Ray Images”. Tahapan penelitian meliputi praproses data
melalui penyesuaian ukuran gambar (resize) menjadi 224x224 piksel dan augmentasi citra
untuk meningkatkan variasi data serta mencegah overfitting. Model dibangun menggunakan
pendekatan Transfer Learning dan Fine-tuning pada 30 lapisan terakhir arsitektur
MobileNetV2. Optimasi hyperparameter dilakukan dengan metode Random Search melalui
Keras Tuner untuk mendapatkan konfigurasi terbaik, yaitu 128 Dense Units, Dropout Rate
0,2, dan Learning rate 0,001. Hasil penelitian menunjukkan bahwa model mampu mencapai
performa yang sangat luar biasa dengan tingkat akurasi pengujian sebesar 99,32%, presisi
98,89%, dan recall 99,77%. Penggunaan arsitektur MobileNetV2 yang ringan terbukti sangat
efektif dan efisien dalam melakukan klasifikasi citra fraktur tulang dengan akurasi tinggi,
sehingga berpotensi untuk diimplementasikan pada perangkat dengan spesifikasi minimal.
Kata kunci : Convolutional Neural Network, MobileNetV2, Fraktur Tulang, X-Ray,
Transfer Learning, Random Search

(NO. KETERSEDIAAN : 1696/F/2026)

Actions (login required)

View Item