STTSSTTS
INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and ComputationTuberkulosis (TB) merupakan penyakit yang disebabkan oleh bakteri Mycobacterium tuberculosis (M.tb) dan termasuk salah satu dari sepuluh penyakit paling mematikan di dunia serta penyakit paling menular kedua setelah COVID-19. World Health Organization (WHO) merekomendasikan penggunaan teknik pencitraan Chest X-ray (CXR) karena sensitivitasnya yang tinggi dan biaya yang efisien. Penelitian ini mengusulkan metode hybrid CNN‑KELM (CKELM) untuk klasifikasi empat kategori penyakit paru berdasarkan citra CXR: tuberkulosis, pneumonia, COVID-19, dan citra normal, dengan waktu komputasi yang singkat. Berbagai arsitektur CNN diuji untuk ekstraksi fitur, sementara KELM dengan berbagai tipe kernel dan koefisien regularisasi digunakan untuk klasifikasi. Hasil eksperimen menunjukkan bahwa kombinasi arsitektur DenseNet201 dengan kernel polinomial dan koefisien regularisasi 0,1 memberikan akurasi, sensitivitas, spesifisitas, presisi, dan nilai F1‑score sebesar 99,57 %, yang 7 % lebih baik dibandingkan tanpa teknik under‑sampling, serta membutuhkan waktu komputasi sebesar 309,19 detik.
Penelitian ini mengklasifikasikan empat penyakit paru (normal, pneumonia, COVID‑19, tuberkulosis) dengan pendekatan CKELM yang menggabungkan ekstraksi fitur CNN dan klasifikasi KELM, menguji berbagai arsitektur CNN serta kernel KELM.Hasil terbaik dicapai dengan DenseNet‑201‑KELM menggunakan kernel polinomial dan koefisien regularisasi 0,1, menghasilkan akurasi 99,57 %—sebesar 7 % lebih tinggi dibandingkan tanpa undersampling—meskipun membutuhkan waktu komputasi yang lebih lama.Temuan menunjukkan bahwa KELM sensitif terhadap distribusi data, sehingga keseimbangan data dan pemilihan kernel polinomial penting untuk memperoleh performa yang tinggi.
Penelitian selanjutnya dapat mengeksplorasi penggunaan teknik augmentasi data berbasis Generative Adversarial Networks (GAN) untuk meningkatkan keragaman citra CXR pada kelas minoritas dan menilai dampaknya terhadap akurasi model CKELM; selain itu, pengembangan model CKELM yang mengintegrasikan mekanisme perhatian (attention) atau arsitektur transformer dapat meningkatkan kemampuan ekstraksi fitur pada jaringan CNN yang lebih dalam, sehingga memperbaiki kinerja pada dataset berukuran besar; terakhir, studi komparatif antara CKELM dan metode ensemble learning seperti bagging atau boosting dalam konteks klasifikasi multi‑kelas penyakit paru perlu dilakukan untuk mengevaluasi trade‑off antara kecepatan pelatihan, akurasi, dan interpretabilitas hasil, sehingga memberikan panduan praktis bagi implementasi sistem diagnosis berbasis AI di lingkungan klinis.
| File size | 3.76 MB |
| Pages | 12 |
| DMCA | Report |
Related /
UTUUTU Desa Rasau Jaya memiliki banyak lahan perkebunan sawit, dimana terdapat tangkos yang tidak ter manfaatkan sehingga ditumbuhi oleh jamur sawit. Jamur sawitDesa Rasau Jaya memiliki banyak lahan perkebunan sawit, dimana terdapat tangkos yang tidak ter manfaatkan sehingga ditumbuhi oleh jamur sawit. Jamur sawit
UTUUTU Kegiatan Olimpiade Sains Nasional (OSN) dan Olimpiade Madarasah Indonesia (OMI) adalah dua kompetisi sains bergengsi tingkat nasional yang menjadi salahKegiatan Olimpiade Sains Nasional (OSN) dan Olimpiade Madarasah Indonesia (OMI) adalah dua kompetisi sains bergengsi tingkat nasional yang menjadi salah
UTUUTU Pemilihan umum (Pemilu) adalah proses demokrasi yang sangat penting dalam sistem pemerintahan di negara kita. Melalui Pemilu, masyarakat memiliki kesempatanPemilihan umum (Pemilu) adalah proses demokrasi yang sangat penting dalam sistem pemerintahan di negara kita. Melalui Pemilu, masyarakat memiliki kesempatan
STAI YPBWISTAI YPBWI Penelitian ini berhasil mengidentifikasi tiga indikator diagnostik dini utama gangguan kecemasan pada anak usia dini di Indonesia, yaitu kecemasan pemisahanPenelitian ini berhasil mengidentifikasi tiga indikator diagnostik dini utama gangguan kecemasan pada anak usia dini di Indonesia, yaitu kecemasan pemisahan
ILMUBERSAMAILMUBERSAMA Penggunaan model CNN dalam penelitian ini disesuaikan dengan efisiensi untuk mengklasifikasi dengan penyesuaian khusus demi konteks identifikasi jerawat.Penggunaan model CNN dalam penelitian ini disesuaikan dengan efisiensi untuk mengklasifikasi dengan penyesuaian khusus demi konteks identifikasi jerawat.
IDID Dataset terdiri dari 1. 658 gambar dari sembilan varietas buah kurma, dibagi menjadi subset pelatihan 70% dan pengujian 30%. Alur kerja yang diusulkanDataset terdiri dari 1. 658 gambar dari sembilan varietas buah kurma, dibagi menjadi subset pelatihan 70% dan pengujian 30%. Alur kerja yang diusulkan
UNSUDAUNSUDA Selain itu, mendorong kemitraan kolaboratif antara Kementerian Agama, Kementerian Pendidikan, organisasi masyarakat sipil, kelompok advokasi disabilitas,Selain itu, mendorong kemitraan kolaboratif antara Kementerian Agama, Kementerian Pendidikan, organisasi masyarakat sipil, kelompok advokasi disabilitas,
UBHINUSUBHINUS Proses penelitian melibatkan pengumpulan dataset Twitter yang relevan, pra-pemrosesan teks untuk membersihkan dan menyusun data, serta representasi kataProses penelitian melibatkan pengumpulan dataset Twitter yang relevan, pra-pemrosesan teks untuk membersihkan dan menyusun data, serta representasi kata
Useful /
MARKANDEYABALIMARKANDEYABALI Penelitian ini melibatkan 18 siswa kelas III sebagai subjek penelitian. Berdasarkan wawancara dengan guru dan siswa, peneliti menyadari kurangnya motivasiPenelitian ini melibatkan 18 siswa kelas III sebagai subjek penelitian. Berdasarkan wawancara dengan guru dan siswa, peneliti menyadari kurangnya motivasi
STTSSTTS Pembelajaran penguatan (Reinforcement Learning, RL) telah menjadi salah satu bidang paling dinamis dalam kecerdasan buatan, memungkinkan agen belajar perilakuPembelajaran penguatan (Reinforcement Learning, RL) telah menjadi salah satu bidang paling dinamis dalam kecerdasan buatan, memungkinkan agen belajar perilaku
ILMUBERSAMAILMUBERSAMA Untuk menemukan metode lain yang digunakan untuk klasterisasi data. Lakukan evaluasi sederhana secara berkala terhadap hasil klasterisasi untuk memastikanUntuk menemukan metode lain yang digunakan untuk klasterisasi data. Lakukan evaluasi sederhana secara berkala terhadap hasil klasterisasi untuk memastikan
SESKOAU MILSESKOAU MIL Hasil pengujian menunjukkan bahwa sensor Accelerometer ADXL345 berfungsi baik dengan mengaktifkan buzzer pada kemiringan 40 derajat, menghasilkan hasilHasil pengujian menunjukkan bahwa sensor Accelerometer ADXL345 berfungsi baik dengan mengaktifkan buzzer pada kemiringan 40 derajat, menghasilkan hasil