Text
Klasifikasi Citra Radiografi CT Scan Ginjal Menggunakan Metode Convolution Neural Network dengan Arsitektur ResNet50V2
Klasifikasi citra ginjal memiliki peran penting dalam dunia medis, dikarenakan dengan
menganalisisi citra tersebut dapat memberikan wawasan dalam diagnosis dini penyakit
ginjal, yang sangat krusial palam perencanaan penanganan yang tepat. Pada umumnya untuk
melakukan klasifikasi citra ginjal melibatkan teknik pengolahan citra seperti ekstrasi fitur,
maupun penggunaan metode jaringan saraf tiruan, dan pembelajaran mendalam guna
meningkatkan akurasi dalam klasfikasi dari kondisi ginjal. Hasil penelitian ini berpotensi
untuk mendukung diagnosa kondisi ginjal secara otomatis dan lebih canggih. Akan tetapi,
dalam penelitian klasifikasi citra ginjal, masih terdapat tantangan dalam mengatasi variasi
data citra maupun kompleksitas struktur ginjal, yang dapat mempengaruhi akurasi dan F1-
score model klasifikasi. Oleh karena itu, tujuan penelitian ini adalah mengembangkan model
yang mampu untuk mengidentifikasi secara akurat kondisi ginjal melalui citra ginjal,
sehingga mendukung diagnosis dini terhadap kondisi ginjal bagi pasien. Penelitian ini
mengimplementasikan metode pembelajaran mendalam dengan arsitektur ResNet50V2
untuk klasifikasi citra ginjal. Dataset yang dikumpulkan dalam penelitian ini digunakan
untuk melatih, mevalidasi dan menguji model ResNet50V2, dengan hasil yang diharapkan
dapat memberikan nilai akurasi dan F1-score yang baik dalam mengenali kondisi ginjal.
Dalam penelitian ini, hasil yang diperoleh dari pengujian model klasifikasi citra ginjal
menggunakanResNet50V2 menunjukkan tingkat akurasi sebesar 99,93% dan nilai F1-score
mencapai 99,93961%. Hasil yang diperoleh ini, mencerminkan ketepatan dan kemampuan
model yang dikembangkan dalam tugas mengindetifikasi kondisi ginjal dengan sangat baik.
Hasil penelitian ini menunjukkan potensi besar dalam peningkatan diagnosa dini terhadap
kondisi ginjal dan penanganan yang harus diterapkan pada pasien dengan gangguan ginjal.
Kata Kunci : Citra ginjal, Kondisi ginjal, Klasifikasi, ResNet50V2, Epoch, Batch size,
Akurasi, F1-score
| 1270 F 2024 | 1270 F 2024 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain