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/SB2401230056
Keyword
Deteksi Objek, Tuberculosis, Radiologi, YOLOv5