Perancangan Aplikasi Deteksi Tuberkulosis Berbasis Pengolahan Citra X-Ray Dengan Metode Yolov8
Abstract
Tuberkulosis (TBC) merupakan salah satu penyakit menular utama yang menjadi masalah kesehatan global, terma- suk di Indonesia. Deteksi dini sangat penting untuk mencegah penyebaran penyakit TBC, namun proses deteksi secara konven- sional. Oleh karena itu, dibutuhkan teknologi berbasis kecerdas- an buatan untuk membantu mempercepat dan mempermudah proses deteksi penyakit TBC melalui citra x-ray paru. Penelitian ini bertujuan untuk mengevaluasi model kecerdasan buatan berbasis pengolahan citra x-ray paru menggunakan metode YOLOv8 untuk mendeteksi TBC, dengan menggunakan dataset citra x-ray yang telah diproses dan dianotasi, serta mengukur performa sistem dalam mendeteksi TBC pada citra x-ray paru. Metode yang digunakan dalam penelitian ini mencakup be- berapa tahapan, yakni pengumpulan dataset citra x-ray, prepro- cessing, penggunaan CLAHE untuk deteksi bercak pada paru- paru, integrasi model ke dalam aplikasi, dan evaluasi performa sistem. Selama proses pelatihan, beberapa parameter penting diuji, seperti learning rate, IoU threshold, confidence threshold, dan optimizer, untuk mengoptimalkan keyakinan dalam deteksi. Hasil pengujian menunjukkan bahwa penggunaan AdamaW sebagai optimizer dengan IoU 0.5 dan confidence threshold 0.25 menghasilkan performa terbaik, dengan mAP mencapai 88%, presisi 81.5%, recall 84.6%, dan F1-score 83%. Penggunaan CLAHE pada dataset x-ray meningkatkan kemampuan deteksi objek, terutama bercak yang terkait dengan TBC. Selain itu, aplikasi yang telah dibuat menggunakan model ini berhasil mendeteksi TBC secara langsung dan memberikan kemudahan bagi pengguna dalam mendiagnosis TBC tanpa membutuhkan tenaga medis yang berpengalaman. Secara keselu- ruhan, model yang dibangun dapat diandalkan untuk membantu deteksi dini TBC berbasis citra x-ray, dengan potensi untuk digunakan pada layanan Kesehatan.
Kata Kunci—Deteksi TBC, YOLOv8, citra x-ray, deteksi ber- cak, aplikasi medis
References
F. A. H. Dedi Suharman, "Sistem Diagnosa Penyakit TBC Berdasarkan Gambar X-ray Dengan Dense Convolutional Network (DENSENET)," Prosiding Senakama, vol. 1, 2022.
Y. K. Banhae and M. Agustina, "Analisa Faktor Pengetahuan Dan Sikap Dengan Perilaku Pencegahan TB Paru Pada Kontak Serumah Selama Era New Normal COVID 19," Jurnal Penelitian Perawat Profesional, vol. 5,
pp. 43-50, 2023.
Sehat Negeriku, "Kasus TBC Tinggi Karena Perbaikan Sistem Deteksi dan Pelaporan," Sehat Negeriku, 29 Januari 2024. [Online]. Available: https://sehatnegeriku.kemkes.go.id/baca/rilis- media/20240129/2644877/kasus-tbc-tinggi-karena-perbaikan-sistem- deteksi-dan-pelaporan/. [Accessed 10 Oktober 2024].
Ghita Intan, "Menkes: 400 Ribu Pengidap TBC Tidak Terdeteksi dan Berpotensi Menularkan," VOA Indonesia, 2023.
D. R. A. Muhamad Soleh, Implementasi Algoritma Convolutional Ne- ural Network Untuk Klasifikasi Citra X-ray Paru-paru Dalam Sistem Aplikasi Pendeteksi Tuberkulosis, Tanggerang: Institut Teknologi Indo- nesia, 2024.
Y"Lungs," Cleveland Clinic, 15 Agustus 2022. [Online]. Available: https://my.clevelandclinic.org/health/body/8960-lungs. [Accessed 23 Ok- tober 2024].
M.-M. Cheng, Y. Liu and W. Y. Yu-Huan , "Rethinking Computer-aided Tuberculosis Diagnosis," IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2643-2652, 2020.
M. A. BRILLIANTO, Klasifikasi Tuberkulosis Dan Pneumonia Pada Gambar X-ray Anak Menggunakan Metode Ekstraksi Statistika Orde Satu, Bandung: Universitas Telkom, S1 Teknik Telekomunikasi, 2022.
L. H. Aulia Rasyid, "Klasifikasi Penyakit Tuberculosis (TB) Organ Paru Manusia Berdasarkan Citra Rontgen Thorax Menggunakan Metode Convolutional Neural Network (CNN)," Jurnal Manajemen Informasi Kesehatan Indonesia, vol. 11, 2023.
B. A. A. Ubaidi, "The Radiological Diagnosis of Pulmonary Tubercu- losis (TB) in Primary Care," ClinMed, 2018.
. J. E. Luján-García, M. A. Moreno-Ibarra, Y. Villuendas-R and C. Yáñez-Márquez , "Fast COVID-19 and Pneumonia Classification Using Chest X-ray Images," Mathematics, vol. 8, p. 1423, 2020.
L. M. Sobron Yamin, "Implementasi Artificial Intelligence Pada System Manufaktur Terpadu," Jurusan Teknologi Industri, Fakultas Teknik, 2021.
R. A. Muhammad Faatih, Deteksi Objek Pada Citra Radiologi Untuk Mendeteksi Penyakit TBC (Tuberculosis) Menggunakan Metode YO- LOv5, Institut Teknologi Sumatera, 2023.
S. M. W. Ningrum , R. M. Yusup and A. F. Anugrah, "Pendeteksi Objek Menggunakan OpenCV Dan Metode YOLOv4-TINY Untuk Membantu Tunanetra," Journal of Computer Science and Information Technology (JCSIT), vol. 1, pp. 59-68, 2024.
R. Lionnie and M. Alaydrus, "Studi Efek Ekualisasi Histogram dan CLAHE dalam Mendeteksi Fitur Wajah Manusia," Jurnal Teknologi Elektro, vol. 15, no. Ekualisasi Histogram, p. 91, 2024.
D. P. Derry Alamsyah, "Implementasi Convolutional Neural Networks (CNN) Untuk Klasifikasi Ekspresi Citra Wajah Pada FER-2013 Dataset," Jurnal Teknologi Informasi, vol. 4, pp. 350-355, 2020.
M. A. Setiawan, D. N. Alfarizi, D. Aditya and R. A. Pangestu, "Peng- gunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis," Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, vol. 1, pp. 54-63, 2023.
Vineeth S.Subramanyam, "Data Folks Indonesia," Medium, 7 Janua- ri 2021. [Online]. Available: https://medium.com/analytics-vidhya/iou- intersection-over-union-705a39e7acef. [Accessed 12 Desember 2024].
A. A. SUAIB, Identifikasi COVID-19 Berdasarkan Citra X- ray Paru- paru Menggunakan Metode Local Binary Pattern Dan Random Forest, Bandung: Universitas Telkom, S1 Teknik Telekomunikasi, 2022.
