Pengembangan Sistem Deteksi Tuberkulosis pada Citra X-Ray Menggunakan Metode Convolutional Neural Network (CNN) dengan Framework Laravel

Aldi Akbar Alimi; Ahmad Rio Adriansyah; Pudy Prima

doi:10.54914/jit.v10i2.1437

Penulis

Aldi Akbar Alimi Sekolah Tinggi Teknologi Terpadu Nurul Fikri
Ahmad Rio Adriansyah Sekolah Tinggi Teknologi Terpadu Nurul Fikri
Pudy Prima Sekolah Tinggi Teknologi Terpadu Nurul Fikri

DOI:

https://doi.org/10.54914/jit.v10i2.1437

Kata Kunci:

CNN, FastAPI, Laravel, Sistem Deteksi, TBC

Abstrak

Penyakit Tuberkulosis atau TBC merupakan penyakit yang diakibatkan oleh bakteri Mycobacterium Tuberculosis yang tingkat penularannya cukup tinggi. Penyakit TBC ini dapat didiagnosis melalui beberapa metode, yaitu menggunakan sampel dahak serta menggunakan scan x-ray. Namun, kedua metode tersebut membutuhkan waktu lama dalam proses pendeteksiannya. Oleh karena itu, dibutuhkan sistem deteksi yang dapat mendeteksi penyakit TBC dengan cepat serta dapat dilakukan oleh siapa saja. Pada penelitian ini, dibuat sistem deteksi yang dapat mendeteksi penyakit TBC melalui gambar x-ray bagian dada. Sistem deteksi yang dibuat merupakan aplikasi berbasis website yang dibangun menggunakan framework Laravel dan model machine learning dengan metode Convolutional Neural Network (CNN) untuk analisis gambar x-ray. Penelitian ini akan menerapkan model CNN yang telah dibuat ke dalam aplikasi berbasis website melalui API yang dibuat menggunakan framework FastAPI. Hasil penelitian pada sistem deteksi yang dibuat menunjukkan bahwa sistem deteksi dapat melakukan pendeteksian pada penyakit TBC. Dibuktikan dengan hasil pengujian yang dilakukan menggunakan metode blackbox testing didapatkan bahwa hasil pengujian menunjukkan bahwa tingkat keberhasilan pengujian sebesar 87%. Selain itu, model machine learning dengan metode CNN juga dapat memberikan klasifikasi pada gambar x-ray dengan baik dimana didapat akurasi sebesar 93% pada data latih serta 85% pada data uji.

Unduhan

Data unduhan belum tersedia.

Referensi

O. Rochmawanti, F. Utaminingrum, and F. A. Bachtiar, “Analisis Performa Pre-Trained Model Convolutional Neural Network Dalam Mendeteksi Penyakit Tuberkulosis”, doi: 10.25126/jtiik.202184441.

A. Ekawijana, A. Bakhrun, and Z. Arsyad, “Deteksi Dini Anak Disleksia dengan metode Support Vector Machine,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 1, p. 217, Oct. 2022, doi: 10.30865/json.v4i1.4776.

TBC Indonesia, “Apakah kalian tahu apa itu TBC ?” Accessed: Feb. 15, 2024. [Online]. Available: https://tbindonesia.or.id/apakah-kalian-tahu-apa-itu-tbc/

N. P. Ekananda and D. Riminarsih, “Identifikasi Penyakit Pneumonia Berdasarkan Citra Chest X-Ray Menggunakan Convolutional Neural Network,” Jurnal Ilmiah Informatika Komputer, vol. 27, no. 1, pp. 79–94, 2022, doi: 10.35760/ik.2022.v27i1.6487.

IBM, “What is a REST API?” Accessed: Mar. 30, 2024. [Online]. Available: https://www.ibm.com/topics/rest-apis

FastAPI, “FastAPI Documentation.” Accessed: Jan. 30, 2024. [Online]. Available: https://fastapi.tiangolo.com/

D. Purnama Sari, R. Wijanarko, and J. X. Menoreh Tengah, “Implementasi Framework Laravel pada Sistem Informasi Penyewaan Kamera (Studi Kasus Di Rumah Kamera Semarang),” vol. 2, no. 1, pp. 32–36, 2019.

I. Latin and A. Transactions, “COVID-XR: A Web Management Platform for Coronavirus Detection on X-Ray Chest Images,” 2021. [Online]. Available: http://di.unsa.edu.ar

N. Made, D. Febriyanti, A. A. Kompiang, O. Sudana, and N. Piarsa, “Implementasi Black Box Testing pada Sistem Informasi Manajemen Dosen,” 2021.

I. Wahyudi and F. Alameka, “Analisis Blackbox Testing Dan User Acceptance Testing Terhadap Sistem Informasi Solusimedsosku,” Jurnal Teknosains Kodepena |, vol. 04, pp. 1–9, 2023.