IAIC PUBLISHERIAIC PUBLISHER

International Journal of Cyber ​​and IT Service Management (IJCITSM)International Journal of Cyber ​​and IT Service Management (IJCITSM)

Tuberculosis (TB) merupakan penyakit menular yang disebabkan oleh Mycobacterium TB dan masih menjadi salah satu penyebab utama kematian di seluruh dunia. Salah satu bentuk TB yang sulit didiagnosis adalah Smear-Negative Pulmonary Tuberculosis (SNPT), di mana bakteri penyebabnya tidak dapat terdeteksi melalui metode mikroskopik konvensional seperti pewarnaan Ziehl-Neelsen. Deteksi SNPT seringkali membutuhkan teknik-teknik yang lebih maju, termasuk pencitraan radiografi dan metode berbasis deep learning. Penelitian ini bertujuan mengembangkan dan mengevaluasi pendekatan berbasis deep learning untuk mendeteksi SNPT pada gambar rontgen dada menggunakan model Faster R-CNN dengan arsitektur ResNet. Metode yang diusulkan menerapkan teknik-teknik augmentasi data seperti flipping, rotasi, scaling, dan penyesuaian kecerahan secara acak untuk meningkatkan keragaman data pelatihan dan mengurangi overfitting. Model ini diimplementasikan menggunakan PyTorch dan dievaluasi menggunakan akurasi, presisi, recall, dan skor F1. Hasil eksperimen menunjukkan bahwa augmentasi data secara signifikan meningkatkan kinerja, mencapai akurasi 76,60% dan skor F1 68,57% dibandingkan dengan akurasi 53,06% dan skor F1 51,06% tanpa augmentasi. Peningkatan recall mencerminkan sensitivitas yang lebih tinggi dalam mendeteksi kasus SNPT. Temuan ini menunjukkan bahwa augmentasi data meningkatkan ketahanan dan generalisasi model Faster R-CNN untuk deteksi SNPT dan mendukung potensi sistem diagnostik yang dibantu AI dalam program skrining TB.

Penelitian ini menunjukkan bahwa penerapan augmentasi data pada model Faster R-CNN dengan arsitektur ResNet secara signifikan meningkatkan akurasi dan kemampuan deteksi SNPT pada gambar rontgen dada.Dengan meningkatkan keragaman data melalui augmentasi, model mampu belajar fitur yang lebih kuat dan diskriminatif, yang sangat penting untuk mengidentifikasi pola radiografik halus yang terkait dengan kasus smear-negative yang sering kali terlewatkan oleh pendekatan diagnostik konvensional.Hasil eksperimen menunjukkan peningkatan yang signifikan dalam kinerja model setelah penerapan teknik-teknik augmentasi data.Akurasi deteksi meningkat dari 53,06% menjadi 76,60%, sementara recall meningkat dari 48,98% menjadi 85,71%.Peningkatan ini menunjukkan bahwa model yang telah di-augmentasi jauh lebih efektif dalam mengidentifikasi kasus TB yang sebenarnya, sehingga mengurangi risiko terlewatkannya diagnosis dan mendukung pengambilan keputusan klinis yang lebih andal dalam proses skrining TB.Selain peningkatan kinerja, penelitian ini juga berkontribusi pada bidang analisis citra medis dengan menunjukkan bagaimana integrasi strategis dari berbagai teknik augmentasi data dalam kerangka deep learning berbasis region dapat mengatasi tantangan diagnostik yang terkait dengan SNPT.Kombinasi Faster R-CNN dan arsitektur ResNet memungkinkan lokalisasi presisi dari fitur radiografik halus, sementara strategi augmentasi yang diterapkan meningkatkan ketahanan model di bawah kondisi data terbatas.Kontribusi ini memperluas peran deep learning dalam deteksi TB dari kemajuan algoritmik murni menuju dukungan praktis untuk diagnosis dini dan sistem skrining yang lebih andal dalam konteks klinis dan kesehatan masyarakat.

Untuk penelitian lanjutan, disarankan untuk mengeksplorasi strategi augmentasi data yang lebih maju, seperti yang didasarkan pada jaringan adversarial generatif (GAN), yang memiliki potensi untuk menghasilkan citra medis sintetis yang sangat realistis. Selain itu, penggunaan dataset yang lebih besar dan beragam dari berbagai sumber juga harus dipertimbangkan untuk meningkatkan kemampuan generalisasi model dan memvalidasi kinerjanya di berbagai pengaturan klinis dan populasi pasien. Selain itu, penelitian dapat fokus pada optimasi presisi model dengan menerapkan metode augmentasi yang lebih canggih atau melakukan penyesuaian hiperparameter. Penelitian juga dapat mengeksplorasi penggunaan teknik-teknik augmentasi data yang lebih kompleks atau kombinasi yang berbeda untuk meningkatkan kinerja model dalam mendeteksi SNPT. Penelitian lanjutan juga dapat dilakukan untuk mengevaluasi kinerja model dalam berbagai skenario klinis dan populasi pasien yang berbeda, serta mengidentifikasi faktor-faktor yang dapat mempengaruhi kinerja model dalam pengaturan nyata. Dengan demikian, penelitian ini dapat berkontribusi pada pengembangan sistem diagnostik yang dibantu AI yang lebih andal dan akurat untuk deteksi SNPT, sehingga mendukung upaya pengendalian TB dan meningkatkan kualitas perawatan kesehatan.

  1. Improving Smear-Negative Tuberculosis Detection Using Data Augmentation and Faster R-CNN | International... doi.org/10.34306/ijcitsm.v6i1.233Improving Smear Negative Tuberculosis Detection Using Data Augmentation and Faster R CNN International doi 10 34306 ijcitsm v6i1 233
  2. International Journal of Cyber ​​and IT Service Management (IJCITSM). journal cyber service management... doi.org/10.34306/ijcitsmInternational Journal of Cyber AUAUand IT Service Management IJCITSM journal cyber service management doi 10 34306 ijcitsm
Read online
File size3.71 MB
Pages13
DMCAReport

Related /

JURIS Model SIGAP Sistem Identifikasi Gejala Kantuk Pengemudi Menggunakan YOLO 11 2026More at 2026

PELITABANGSAPELITABANGSA Hasil pengujian pada data validasi menunjukkan performa deteksi yang baik dengan nilai precision sebesar 0,958, recall 0,934, mAP@50 sebesar 0,972, danHasil pengujian pada data validasi menunjukkan performa deteksi yang baik dengan nilai precision sebesar 0,958, recall 0,934, mAP@50 sebesar 0,972, dan

JURIS Klasifikasi Tinta Cartridge Berdasarkan Warna Pada Gudang Barang Menggunakan Algoritma Convolutional Neural Network 2026More at 2026

UNSURYAUNSURYA Penggunaan printer dan tinta cartridge masih sering digunakan untuk mencetak data. Printer yang sering digunakan akan membuat tinta cartridge cepat habis,Penggunaan printer dan tinta cartridge masih sering digunakan untuk mencetak data. Printer yang sering digunakan akan membuat tinta cartridge cepat habis,

JURIS Klasifikasi Aksara Batak Toba Lengkap Tulisan Tangan Menggunakan Transfer Learning EfficientNet B0 2026More at 2026

LODDOSINSTITUTELODDOSINSTITUTE Penelitian sebelumnya telah berhasil mengenali karakter dasar (Ina Ni Surat) tulisan tangan digital dengan akurasi tinggi, namun belum mencakup pengenalanPenelitian sebelumnya telah berhasil mengenali karakter dasar (Ina Ni Surat) tulisan tangan digital dengan akurasi tinggi, namun belum mencakup pengenalan

JURIS Deep Learning Models Performance on Marine Fish Species Classification 2025More at 2025

UNAIRUNAIR GoogleNet dan AlexNet berada di posisi kedua dan ketiga dengan akurasi masing-masing 99,5% dan 99,4%. Penelitian ini menunjukkan bahwa model deep learning,GoogleNet dan AlexNet berada di posisi kedua dan ketiga dengan akurasi masing-masing 99,5% dan 99,4%. Penelitian ini menunjukkan bahwa model deep learning,

JURIS Deep Learning Approach for Sleepiness Detection with YOLOv12 2025More at 2025

UMKLAUMKLA Data citra diklasifikasikan menjadi dua kategori, yaitu kantuk dan tidak kantuk, dengan total 5. 000 gambar yang kemudian diperluas menjadi 6. 976 gambarData citra diklasifikasikan menjadi dua kategori, yaitu kantuk dan tidak kantuk, dengan total 5. 000 gambar yang kemudian diperluas menjadi 6. 976 gambar

JURIS Implementation of XGBoost Ensemble and Support Vector Machine For Gender Classification of Skull Bones 2025More at 2025

PDSIPDSI Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1 score. Hasil penelitian menunjukkan bahwa kombinasi metode XGBoost dan SVM,Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1 score. Hasil penelitian menunjukkan bahwa kombinasi metode XGBoost dan SVM,

JURIS Using genetic algorithm feature selection to optimize XGBoost performance in Australian credit 2025More at 2025

SHMPUBLISHERSHMPUBLISHER Berdasarkan penelitian ini yang bertujuan memberikan rekomendasi untuk model prediksi risiko kredit, yang termasuk dalam teknik data mining untuk manajemenBerdasarkan penelitian ini yang bertujuan memberikan rekomendasi untuk model prediksi risiko kredit, yang termasuk dalam teknik data mining untuk manajemen

JURIS Kombinasi Metode SVM Dengan Optimasi SMOTE Terhadap Ulasan Pengguna Layanan Streaming 2024More at 2024

PLBPLB Sejak diluncurkan pada tahun 2020, Disney Hotstar menghadirkan berbagai konten eksklusif dari Marvel, Pixar, Disney, National Geographic dan lainnya, denganSejak diluncurkan pada tahun 2020, Disney Hotstar menghadirkan berbagai konten eksklusif dari Marvel, Pixar, Disney, National Geographic dan lainnya, dengan

Useful /

JURIS Pemanfaatan IoT untuk Monitoring Energi Listrik Stand UMKM dalam Rangka Mewujudkan Pembangunan Berkelanjutan 2026More at 2026

PELITABANGSAPELITABANGSA Inovasi ini selaras dengan upaya pencapaian Sustainable Development Goals (SDGs) 2030, khususnya poin nomor 7 mengenai energi bersih dan terjangkau sertaInovasi ini selaras dengan upaya pencapaian Sustainable Development Goals (SDGs) 2030, khususnya poin nomor 7 mengenai energi bersih dan terjangkau serta

JURIS Penerapan Algoritma Enkripsi AES 256 CBC pada Sistem Informasi Penjualan Website Aqilah Cakes Kecamatan Cikarang Selatan 2026More at 2026

PELITABANGSAPELITABANGSA Metode penelitian menggunakan pendekatan eksperimental terapan dengan tahapan analisis kebutuhan, perancangan modul enkripsi, implementasi sistem, sertaMetode penelitian menggunakan pendekatan eksperimental terapan dengan tahapan analisis kebutuhan, perancangan modul enkripsi, implementasi sistem, serta

JURIS Implementasi Model Hybrid CNN LSTM untuk Optimasi Pengalaman Pengguna Perangkat Seluler 2025More at 2025

PLBPLB Penelitian ini mengimplementasikan model hybrid CNN-LSTM untuk menganalisis dan memprediksi pola perilaku pengguna perangkat seluler. Model yang dikembangkanPenelitian ini mengimplementasikan model hybrid CNN-LSTM untuk menganalisis dan memprediksi pola perilaku pengguna perangkat seluler. Model yang dikembangkan

JURIS Incorporation of Real Experiences and Artifacts As an Online Learning Intervention 2024More at 2024

PLBPLB Hasil survei kuantitatif menunjukkan peningkatan 30% dalam keterlibatan dan peningkatan 25% dalam pemahaman ketika pengalaman nyata dan artefak diintegrasikanHasil survei kuantitatif menunjukkan peningkatan 30% dalam keterlibatan dan peningkatan 25% dalam pemahaman ketika pengalaman nyata dan artefak diintegrasikan

ads-block-test