Deteksi Objek Pada Citra Radiologi Untuk Mendeteksi Penyakit TBC (Tuberculosis) Menggunakan Metode YOLOv5
Sistem radiologi pada rumah sakit merupakan suatu metode
pendiagnosaan penyakit yang saat ini banyak digunakan. Salah satu penyakit yang
dapat di diganosa dengan menggunakan sistem radiologi adalah TBC. Namun,
banyaknya jumlah pasien yang jauh dibandingkan dengan kehadiran fisik ahli
radiologi tersebut dan penilaian hasil rontgen yang subjektif menjadi
permasalahan dalam menjalankan sistem ini. Untuk itu maka penelitian ini
dilakukan dengan tujuan untuk membuat model sistem yang dapat mendeteksi
objek berupa bercak abnormal pada hasil rontgen. Metode yang digunakan dalam
penelitian ini adalah YOLOv5 dan dengan metode evaluasi performansi.
Pembuatan model ini menggunakan dataset yang berjumlah 300 data dengan 100
data bersumber dari rumah sakit graha husada dan 200 data bersumber dari
website roboflow. Anotasi dan augmentasi citra dilakukan pada roboflow lalu
training dan testing model dilakukan di google colab. Hasilnya model yang paling
optimal adalah model dengan resolusi 416, batch-size 8, dan epoch 150 karena
setelah dilakukan percobaan dengan percobaan 30 dataset yang dilakukan, model
dapat mendeteksi dataset dengan akurasi 90%. Kesimpulan dari penelitian ini
adalah model deteksi objek pada citra radiologi dapat dibuat dengan
menggunakan metode YOLOv5 dengan resolusi 416, batch-size 8, dan epoch 150
dan model ini memiliki hasil akurasi dari model ini juga baik.
Kata Kunci : Deteksi Objek, Tuberculosis, Radiologi, YOLOv5
URI
https://repo.itera.ac.id/depan/submission/SB2401220004
Keyword
Deteksi Objek, Tuberculosis, Radiologi, YOLOv5