<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="113498">
 <titleInfo>
  <title>DETEKSI OSTEOPOROSIS DENGAN PRA-PROSES CITRA CLAHE DAN PENGKLASIFIKASI RESNET</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Riza Dianil Iman</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Osteoporosis merupakan penyakit tulang yang dapat mengakibatkan kerusakan tulang dan risiko patah tulang. Kelainan pada tulang ini sulit disembuhkan karena gejala yang tidak terdeteksi secara visual. Penyakit ini dapat ditentukan berdasarkan kepadatan tulang yang dapat dilihat pada citra X-Ray. Citra X-Ray cenderung memiliki noise dan kontras citra yang rendah sehingga tingkat kepadatan tulang menjadi semakin sulit untuk dideteksi. Penelitian ini bertujuan untuk membangun model deep learning menggunakan dataset citra CLAHE (Contrast Limited Adaptive Histogram Equalization) dengan arsitektur ResNet-50 dan ResNet-101. Algoritma CLAHE digunakan sebagai teknik peningkatan kontras pada citra X-Ray. Model yang dibangun menggunakan dua dataset yang berbeda yaitu dataset citra asli dan dataset citra CLAHE untuk melihat perbandingan performa dalam mendeteksi osteoporosis. Learning curve yang dihasilkan oleh model dengan dataset citra CLAHE cukup stabil dengan akurasi ResNet-50 sebesar 99,5% dan menggunakan ResNet-101 sebesar 99,1%. Hasil pengujian yang didapatkan oleh ResNet-50 citra CLAHE yaitu nilai akurasi 0,95, precision 0,94, specificity 0,93, recall 0,97 dan F1-score 0,95. Hasil pengujian yang didapatkan oleh ResNet-101 citra CLAHE yaitu nilai akurasi 0,9583, precision 0,95, specificity 0,95, recall 0,97 dan F1-score 0,96. Hasil penelitian menunjukkan bahwa dengan menggunakan algoritma CLAHE, citra yang dihasilkan memiliki kontras yang tinggi dan terlihat lebih baik dalam menampilkan fitur pada citra sehingga mampu menghasilkan model dengan performa yang lebih baik.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>113498</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-08-22 12:17:18</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-08-22 14:16:03</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>