View/Open

Author
Fajar, Tegar Nugraha

Date Published
29 Jul 2026

Advisor
Andika Setiawan, S.Kom., M.Cs.,

Subject
Teknik Informatika

Publisher

Skoliosis merupakan kelainan lateral tulang belakang yang memengaruhi 2-3% populasi umum dan memerlukan deteksi dini untuk mencegah komplikasi jangka panjang. Diagnosis manual berbasis citra rontgen memerlukan keahlian spesialis dan rentan terhadap variabilitas antar-pengamat, sehingga mendorong kebutuhan sistem skrining otomatis berbasis deep learning. Penelitian ini mengembangkan model klasifikasi biner (Normal vs Skoliosis) menggunakan arsitektur ResNet50 dengan pendekatan transfer learning, dilatih pada 258 citra rontgen dari Kaggle (71 Normal, 187 Skoliosis) dengan pembagian terstratifikasi 70:15:15. Preprocessing meliputi konversi tiga kanal, resize 256×256 piksel, dan normalisasi ImageNet, disertai augmentasi data (flip, rotasi, variasi kecerahan, Gaussian noise, CLAHE). Pelatihan dilakukan dua fase: pembekuan encoder untuk melatih head klasifikasi (10 epoch, lr 1×10⁻³), dilanjutkan fine-tuning penuh (20 epoch, lr 1×10⁻⁴). Ketidakseimbangan kelas (2,6:1) ditangani melalui BCEWithLogitsLoss dengan pos_weight=0,374. Model terbaik (epoch ke-15) mencapai Val F1=1,000, dan evaluasi pada test set (n=39) menghasilkan akurasi 100

URI
https://repo.itera.ac.id/depan/submission/SB2607280096

Keyword
Skoliosis Transfer Learning ResNet50 Klasifikasi Citra Medis Citra Rontgen Tulang Belakang