Ayuk Rahmatika, 4211419015 (2023) IMPLEMENTASI MODEL INCEPTIONV3 DALAM KLASIFIKASI FRAKTUR PADA CITRA RADIOGRAFI. Under Graduates thesis, UNNES.

	PDF - Published Version Download (786kB)
	PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	PDF - Published Version Restricted to Repository staff only Download (212kB) | Request a copy
	PDF - Published Version Download (158kB)
	PDF - Published Version Download (20kB)
	PDF - Published Version Restricted to Repository staff only Download (341kB) | Request a copy

Abstract

Kasus patah tulang yang sering ditemukan di dalam kehidupan sehari-hari, dapat dikarenakan kecelakaan lalu lintas, kecelakaan kerja, kecelakaan olahraga, maupun bencana alam. Benturan yang kuat saat mengalami tekanan fisik dapat menyebabkan fraktur pada tulang. Patah tulang dapat dideteksi dengan melihat hasil citra radiografi. Hal ini merupakan cara untuk menentukan keberadaan dan tingkat keparahan patah tulang melalui inspeksi visual dari gambar radiografi. Akan tetapi, dokter umum tidak terlalu berpengalaman dalam membaca gambar radiografi seperti ahli radiologi dan orthopedi. Selain itu, mereka rentan terhadap kesalahan klasifikasi sehingga memerlukan waktu untuk pasien mendapatkan perawatan yang sesuai. Tingginya kasus patah tulang menyebabkan semakin banyak yang melakukan citra radiografi pada pasien, hal ini dapat mempengaruhi diagnosis dan perawatan jika tidak dilakukan dengan cepat dan akurat. Upaya dalam mengatasi masalah ini adalah memanfaatkan teknologi untuk merencanakan suatu sistem klasifikasi fraktur otomatis. CNN (Convolutional Neural Network) telah membuktikan kemampuannya dalam menganalisis citra visual dan pemrosesan gambar. Arsitektur InceptionV3 digunakan dalam penelitian ini dikarenakan mampu mengidentifikasi fitur dalam citra medis. Tujuan penelitian adalah mengetahui implementasi model InceptionV3 dan performa model InceptionV3 dalam mengklasifikasi fraktur pada citra radiografi melalui akurasi, recall, presisi, dan F1-score. Penelitian ini menggunakan dataset dari kaggle sebanyak 969 citra. Dataset tersebut dibagi menjadi tiga bagian yaitu 80% citra training, 10% citra validation, dan 10% citra testing. Metode pengolahan citra terdiri dari tahapan preprocessing citra seperti resize, rescale, dan rotasi. Setelah itu, dataset diolah dengan model InceptionV3 dengan menggunakan hyperparameter untuk mendapatkan performa terbaik dari model InceptionV3. Hasil pengolahan tersebut dievaluasi dengan metrik akurasi, recall, presisi, dan f1-score. Hasil penelitian ini menunjukan bahwa model InceptionV3 mencapai nilai akurasi 97,9% lalu nilai recall, presisi, f1-score 98%. Hasil tersebut membuktikan bahwa model InceptionV3 memiliki kinerja yang baik dalam mengklasifikasi fraktur dari citra radiografi.

Actions (login required)

View Item