Dhea Putri Miradikna, 4611417071 (2023) PENINGKATAN PRECISION PADA DETEKSI PNEUMONIA BERDASARKAN CITRA X-RAY MENGGUNAKAN YOU ONLY LOOK ONCE VERSION 5 (YOLOV5) DAN CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION (CLAHE). Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pneumonia merupakan infeksi bakteri atau virus yang menyerang alveoli. Infeksi tersebut memicu penumpukan cairan di dalam paru-paru, sehingga kapasitas organ dalam menampung oksigen menjadi berkurang. Diagnosis medis berbasis komputer telah membantu dokter dan profesional medis selama bertahun-tahun. Diagnosis medis berdasarkan algoritma machine learning semakin diperkenalkan dan diterapkan untuk memecahkan masalah yang kompleks. You only look once (YOLO) merupakan salah satu algoritma yang digunakan dalam machine learning. Algoritma YOLO merupakan keluarga dari convolutional neural network (CNN) yang dapat mencapai hasil optimal dengan model ujung-keujung tunggal yang dapat melakukan deteksi objek secara real-time. YOLO menggunakan metode anchor-based detection di mana metode ini menggunakan anchor box. Metode ini memberikan keuntungan yang relatif signifikan dibandingkan dengan metode lama yaitu sliding window detection. Pendeteksian pneumonia dengan citra x-ray merupakan teknik yang sering digunakan di dalam machine learning, namun hasil citra dari x-ray tidak selalu memiliki kualitas citra yang baik. Untuk mencegah hal itu digunakanlah metode contrast limited adaptive histogram equalization (CLAHE) untuk memperbaiki kualitas citra x-ray. Berdasarkan percobaan pada dataset Radiological Society of North America (RSNA) Pneumonia Detection Challenge yang telah dilakukan, hasil precision mAP dari implementasi metode klasifikasi YOLOv5 tanpa menggunakan CLAHE dan image augmentation mendapatkan precision mAP@0,5 sebesar 0,594 dan mAP@0,5:0,95 sebesar 0,2024. Untuk hasil klasifikasi menggunakan YOLOv5 dengan CLAHE mendapatkan precision mAP@0,5 sebesar 0,618 dan mAP@0,5:0,95 sebesar 0,218. Sedangkan hasil klasifikasi menggunakan YOLOv5 dengan CLAHE dan image augmentation mendapatkan hasil precision tertinggi dengan mAP@0,5 sebesar 0,628 dan mAP@0,5:0,95 sebesar 0,22.

Actions (login required)

View Item