mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2024

Theses

Tuberkulosis (TB) telah menjadi ancaman kesehatan global dengan jutaan kasus setiap tahun. Oleh karena itu, deteksi cepat dan tepat diperlukan untuk mengendalikan penyebarannya. Penerapan kecerdasan buatan, khususnya Deep Learning (DL), telah menunjukkan potensi besar dalam meningkatkan akurasi deteksi TB melalui analisis citra X-ray berbasis DL. Meskipun banyak penelitian yang telah mengembangkan model klasifikasi citra X-ray, namun terbatas sekali yang mengintegrasikannya ke dalam platform web atau mobile. Selain itu, model-model yang diintegrasikan ke dalam platform tersebut umumnya belum menerapkan metode continuous learning sehingga kinerja model tidak bisa diperbarui. Dengan demikian, perlu dibangun suatu sistem cerdas berbasis aplikasi web yang mengintegrasikan model ResNet-101 untuk deteksi TB pada citra X-ray. Sistem ini memanfaatkan metode continuous learning, memungkinkan model untuk memperbarui dirinya secara otomatis dengan data baru, sehingga meningkatkan kinerja deteksi seiring waktu. Hasil penelitian menunjukkan bahwa sebelum dilakukan continuous learning, model berhasil mengklasifikasikan semua citra TB dengan benar, namun hanya mampu mengklasifikasikan dua citra normal dengan benar, menghasilkan akurasi sebesar 62,5%. Setelah dilakukan continuous learning manual, model menunjukkan peningkatan akurasi menjadi 86%, dengan kemampuan yang lebih baik dalam mengenali citra normal, meskipun terdapat sedikit penurunan performa dalam mendeteksi TB. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129141 2024-08-30 07:18:21 2024-08-30 17:36:30 machine generated