View/Open

Author
Muhammad Faatih, Rizal Auliya

Advisor
Ilham Firman , Ashari S.kom., M.T.
Eko Dwi, Nugroho Skom., M.Cs.

Koleksi
Teknik Informatika

Publisher

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/SB2401230056

Keyword
Deteksi Objek, Tuberculosis, Radiologi, YOLOv5