Perancangan Sistem Deteksi Tuberkulosis Menggunakan Metode Yolov8

Abstract

Tuberkulosis (TBC) masih menjadi salah satu masalah kesehatan utama di Indonesia, khususnya di wilayah dengan keterbatasan tenaga medis. Deteksi dini menggunakan citra x-ray merupakan pendekatan yang efektif untuk mendukung diagnosis, namun terbatasnya jumlah dokter radiologi menjadi kendala tersendiri. Penelitian ini mengembangkan sistem deteksi tuberkulosis berbasis aplikasi desktop yang mengintegrasikan algoritma YOLOv8 dengan input citra x-ray dari webcam. Model YOLOv8 dilatih menggunakan dataset tiga kelas (Normal, Pneumonia, TBC) dan dievaluasi berdasarkan metrik precision, recall, dan mAP@50. Hasil pelatihan menunjukkan performa fine-tuned yang optimal dengan precision sebesar 0,942, recall sebesar 0,936, dan mAP@50 sebesar 0,543. Sistem ini dirancang untuk berjalan secara lokal tanpa instalasi kompleks, menjadikannya praktis untuk digunakan di fasilitas layanan primer. Pengujian menunjukkan sistem mampu mendeteksi citra x-ray secara real-time pada jarak 40–60 cm dengan hasil visual berupa bounding box. Evaluasi oleh dokter spesialis paru menunjukkan tingkat kesesuaian tinggi antara hasil model dan interpretasi medis. Meskipun dibutuhkan peningkatan dalam membedakan pneumonia dan TBC, sistem ini menunjukkan potensi sebagai alat bantu skrining dini yang efektif dan adaptif.

Kata kunci— Tuberkulosis, YOLOv8, Deep Learning, Sistem Deteksi