View/Open

Author
Tata, Widyawasih

Date Published
10 Jun 2026

Advisor
Amrina Mustaqim, S.Si., M.T,
Retno Maharsi, M.Si.,
Rafli Filano, S.Si., M.T.,

Subject
Teknik Biomedis

Publisher

Pneumonia merupakan penyakit infeksi saluran pernapasan bawah dengan tingkat morbiditas dan mortalitas yang tinggi. Klasifikasi multikelas pada citra X-ray dada masih menjadi tantangan akibat kemiripan karakteristik radiografis antar kelas, variasi kualitas citra, dan keterbatasan interpretasi manual oleh radiolog. Dalam penelitian ini, model Vision Transformer (ViT) diterapkan untuk klasifikasi multikelas pneumonia pada citra X-ray dada ke dalam tiga kelas, yaitu normal, pneumonia bakteri, dan pneumonia viral, guna mendukung pengembangan sistem Computer-Aided Diagnosis (CAD) di bidang Teknik Biomedis. Penelitian dibatasi pada dataset citra X-ray dada dari sumber open source dengan tiga kelas klasifikasi menggunakan arsitektur ViT-B/16. Metodologi penelitian mencakup pre-processing citra, augmentasi data, fine-tuning model ViT dengan mekanisme self-attention, serta evaluasi menggunakan metode hold out dan stratified K-Fold validation. Performa model dievaluasi menggunakan confusion matrix, akurasi, sensitivitas, spesifisitas, precision, F1-score, dan Receiver Operating Characteristic (ROC) dan Area Under Curve (AUC). Model ViT terbukti mampu mengklasifikasikan pneumonia multikelas dengan akurasi hold out sebesar 87,78%, nilai AUC sebesar 0,9555, serta rata-rata akurasi K-Fold sebesar 81,74 dengan standar deviasi 1,07%, yang mengindikasikan performa model yang baik dan konsisten pada berbagai variasi pembagian data.

URI
https://repo.itera.ac.id/depan/submission/SB2606150090

Keyword
Citra X-ray Deep learning Klasifikasi multikelas Pneumonia Vision transformer