IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA X-RAY PATAH TULANG LENGAN MANUSIA (Studi kasus: Greenstick, Humerus dan Dislokasi)
Abstract
Fraktur merupakan salah satu insiden kecelakaan yang memiliki jumlah korban luka cukup
tinggi yaitu sekitar 40% dari insiden kecelakaan yang terjadi. Pemeriksaan penunjang yang
digunakan untuk mendeteksi patah pada tulang adalah foto x-ray, tetapi karena rendahnya
kualitas foto x-ray dan perbedaan karakteristik visual patah tulang dari lokasinya, patah
tulang sulit ditemukan secara akurat. Penelitian ini dilakukan dengan tujuan untuk
mengetahui potensi penggunaan metode deep learning, dimana salah satu algoritmanya
yaitu convolutional neural network (CNN) untuk mengklasifikasikan citra x-ray patah
tulang lengan manusia. Penelitian dimulai dengan melakukan pengumpulan data yaitu
sebanyak 300 citra kemudian dilakukan preprocessing data sehingga diperoleh dataset
yang dapat dijadikan masukan ke dalam CNN, kemudian dilakukan pembuatan model
untuk diuji model tersebut untuk sebagian data. Hasil dari penelitian ini diperoleh akurasi
sebesar 93% berdasarkan model terbaik CNN pada epoch 100 dengan susunan 2 lapisan
convolutional – pooling – 2 lapisan convolutional – pooling – flattern – 2 lapisan fully
connected. Hasil model terbaik yang diujikan pada data baru diperoleh 2 citra gagal
diprediksi dan 13 citra lainnya berhasil diprediksi sesuai kategorinya. Beradsarkan hasil
penelitian tersebut menunjukkan bahwa metode deep learning dapat digunakan untuk
mengklasifikasikan citra x-ray patah tulang lengan manusia.
Collections
- Statistics [899]