| dc.description.abstract | Tuberkulosis atau TBC adalah penyakit menular yang disebabkan oleh
Mycobacterium Tuberculosis yang mempunyai potensi serius menyerang paru-
paru. Kini TBC menjadi masalah kesehatan dunia termasuk di Indonesia yang
mempunyai kasus tertinggi ke 2 setelah pandemic Covid-19 dikarenakan
kurangnya pelaporan. Akibatnya pada laporan akhir, kasus TBC melonjak tinggi
dan lamanya deteksi dini karena kurangnya diagnosis dini dan fasilitas ahli
radiologi. Diagnosis yang cepat dan akurat sangat penting agar pengobatan segera
dilakukan dan memperoleh penanganan yang tepat. Maka dengan adanya
penelitian ini memberikan solusi dengan model deep learning CNN arsitektur
VGG-19 dengan ukuran input citra sebesar 224×224 yang menggunakan 16
lapisan konvolusi, 5 lapisan pooling, dan 3 lapisan fully connected. Dalam
arsitektur tersebut kernel yang digunakan berukuran 3 × 3 dengan ukuran langkah
(stride) 1 pixel, dan 1 padding. Data yang digunakan adalah data hasil rontgen
paru-paru yang terbagi dalam 2 kategori yaitu tuberkulosis dan normal masing-
masing sebanyan 700 dan 3500. Data tersebut terbagi ke dalam data training,
testing, dan validation yang masing-masing 3360, 420, 420. Dari model tersebut,
didapatkan nilai akurasi untuk data training sebesar 99.85% dengan loss sebesar
0.66%. | en_US |
