<?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="146427">
 <titleInfo>
  <title>RANCANG BANGUN SISTEM KLASIFIKASI CITRA X-RAY MENGGUNAKAN VISION TRANSFORMER DAN NEXT.JS SEBAGAI INFORMASI TAMBAHAN PADA PENGAMBILAN KEPUTUSAN DETEKSI TUBERKULOSIS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>M.al-lail Qadrillah</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 Elektro dan Komputer</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Tuberkulosis (TB) adalah penyakit infeksi yang dapat menyerang paru-paru dan organ lainnya. Diagnosis TB melalui interpretasi radiologis X-ray memerlukan keahlian khusus, namun keterbatasan pengalaman dan fokus dapat menimbulkan kesalahan diagnostik. Penelitian ini mengembangkan sistem skrining TB menggunakan Vision Transformer (ViT) untuk membantu pengenalan citra X-ray. Keseluruhan dataset dari Shenzen dan Montgomery digunakan, Sedangkan dataset Belarus sebanyak 268 citra, dan RSNA 246 citra, sehingga memiliki 652 citra normal dan 652 citra TB. Contrast Adaptive Histogram Equalization (CLAHE) diterapkan pada citra Shenzen dan Belarus untuk meningkatkan kontras. Hasil menunjukkan CLAHE efektif meningkatkan kontras citra dan membantu meningkatkan kinerja model, sehingga model yang dilatih dengan citra CLAHE menghasilkan fluktuasi yang lebih kecil. Arsitektur ViT_L_16 dengan dataset CLAHE menunjukkan performa terbaik dengan akurasi 0.95285 dan secara konsisten ViT dengan patch 16 mengugguli patch 32 pada berbagai network dan kedua jenis dataset. Sistem skrining di-hosting pada AWS dan diakses melalui antarmuka Next.js, dengan latensi inferensi 2-5 detik. Pengujian pada data eksternal dari Rumah Sakit Pendidikan Universitas Syiah Kuala menunjukkan performa yang rendah, terutama untuk citra normal. Meskipun demikian, sistem ini efektif dalam meningkatkan kontras citra X-ray dan berpotensi sebagai alat bantu skrining TB, namun memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi prediksi</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>146427</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-01-10 11:12:22</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-01-10 11:35:11</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>