Deteksi Kanker Paru-Paru pada Citra Chest X-Ray untuk Pasien Rumah Sakit Di Jember Menggunakan Deep Object Detection
Tahun 2025 · Penulis: Cindi Dewi Aprilia
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penelitian ini bertujuan mengembangkan sistem deteksi nodul paru sebagai indikator awal kanker paru-paru menggunakan algoritma YOLOv11 pada citra Xray. Tantangan utama dalam deteksi nodul adalah ukurannya yang kecil dan kemiripannya dengan struktur lain pada paru-paru. Untuk mengatasi hal ini, digunakan pendekatan cropping guna membantu model lebih fokus pada area kecil. Dataset yang digunakan terdiri dari 154 citra JSRT dan 50 citra dari Rumah Sakit di Jember, dengan data JSRT digunakan untuk pelatihan dan data RS sebagai data pelatihan dan uji. Model dilatih dengan berbagai kombinasi learning rate, optimizer, dan augmentasi, lalu dievaluasi menggunakan metrik mAP, IoU, dan DSC. Hasil eksperimen menunjukkan bahwa pendekatan cropping tanpa augmentasi pada data JSRT memberikan performa terbaik, dengan mAP sebesar 78% dan recall 60%. Saat diuji pada data RS, model tetap mampu mengenali sebagian nodul meskipun hasilnya terbatas, dengan mAP sebesar 21% dan recall 24%. Selain itu, pelatihan menggunakan gabungan data JSRT dan RS menghasilkan peningkatan akurasi dan konsistensi prediksi pada kedua dataset, membuktikan bahwa pendekatan mix data domain efektif untuk meningkatkan generalisasi model. Evaluasi juga menunjukkan bahwa penggunaan data lokal penting untuk mendukung penerapan model pada konteks dunia nyata. Dengan hasil ini, YOLOv11 terbukti mampu mendeteksi nodul paru secara akurat dan efisien pada citra X-ray, serta dapat menjadi fondasi untuk pengembangan sistem pendukung diagnosis kanker paru secara otomatis.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,873
Tahun 2025 · Penulis: Nabillah Salsabilla
Klasifikasi Kanker Paru Menggunakan InceptionV3 Dan EfficientNet Dengan Visualisasi Grad-CAM Untuk Mendukung Diagnosis Klinis
Kanker paru merupakan salah satu penyakit dengan penderita terbanyak didunia. Kanker paru sangat sulit diagnosis karena timbul dan menunjukkan gejala pada stadium lanjutan. Oleh karena itu, untuk meminimalisir kejadian tersebut, membutuhkan dukungan keputusan
- Cosine 0,869
Tahun 2026 · Penulis: Restanti Mayzaluna Sakinan Dita
Prediksi Tujuan Poliklinik Berdasarkan Gejala Pasien Menggunakan Algoritma XGBoost (Studi Kasus: Rumah Sakit Daerah Kalisat)
Rumah sakit memiliki berbagai poliklinik dengan layanan yang berbeda sesuai kebutuhan pasien. Dalam praktiknya, pasien sering kali tidak mengetahui secara pasti poliklinik yang sesuai dengan keluhan yang dialami. Berdasarkan hasil observasi di Rumah Sakit Daer
- Cosine 0,848
Tahun 2025 · Penulis: Adinda Nisa Anggraini
Analisis Metode Smote, Adasyn, dan K-Means Smote Untuk Menangani Ketidakseimbangan data Dalam Penyakit Diabetes
Ada banyak penelitian yang dilakukan untuk menganalisis penyakit diabetes menggunakan algoritma machine learning ataupun metode untuk mengatasi ketidakseimbangan data. Pada penelitian yang dilakukan oleh Sari et al., (2023) dalam penelitiannya yang berjudul “C