Pendeteksi Sudut Kemiringan Tulang Pada Penderita Skoliosis Menggunakan Image Processing

Abstract

Skoliosis adalah kelainan pada tulang
belakang yang ditandai dengan kelengkungan ke samping
berbentuk huruf S atau C, dengan derajat keparahan
bervariasi. Pengukuran kelengkungan secara manual
memerlukan waktu lama dan berisiko tidak konsisten.
Penelitian ini bertujuan untuk mengembangkan metode
otomatis berbasis citra sinar-X menggunakan deep learning
untuk mengklasifikasikan derajat kelengkungan tulang
belakang secara efisien dan akurat. Model yang digunakan
adalah DenseNet karena kemampuannya dalam
mempertahankan fitur melalui koneksi antar lapisan yang
padat. Sistem dikembangkan melalui tahapan pemrosesan
citra dan pelatihan model dengan parameter seperti ukuran
citra, jumlah epoch, batch size, learning rate, dan jenis
optimizer. Hasil terbaik diperoleh dengan ukuran citra
224x224, batch size 32, learning rate 0,001, dan optimizer
RMSprop, yang menghasilkan akurasi hingga 88,78%, presisi
84,18%, recall 87,54%, dan skor F1 84,65%. Dengan hasil
tersebut, sistem ini terbukti mampu meningkatkan akurasi
dan efisiensi dalam pengukuran skoliosis serta berpotensi
mendukung proses diagnosis dan pengobatan secara lebih
konsisten dan objektif di lingkungan klinis.
Kata kunci— Skolosis, Pemrosesan Citra, Deep
Learning, DenseNet, Detekssi Otomatis, Klasifikasi Tulang
Belakang, Optimasi Model