Deteksi Jenis Kanker Paru pada Citra CT Scan Menggunakan EfficientDet-D1

Setiawan, Arya (2026) Deteksi Jenis Kanker Paru pada Citra CT Scan Menggunakan EfficientDet-D1. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (572kB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (2MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (264kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (500kB)
	Archive (ZIP) 00000083123_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Kanker paru merupakan penyebab utama kematian akibat kanker di dunia, dengan dominasi kasus pada jenis lung adenocarcinoma (LUAD) dan lung squamous cell carcinoma (LUSC). Membedakan kedua jenis ini secara akurat pada citra CT scan sangat penting untuk pengobatan, namun interpretasi manual sering kali terkendala akibat kelelahan radiolog. Penelitian ini mengimplementasikan model object detection menggunakan EfficientDet-D1 untuk mendeteksi dan mengklasifikasikan lesi LUAD dan LUSC dengan menggunakan dataset Lung-PET- CT-Dx yang diperoleh dari platform TCIA. Prapemrosesan data dilakukan melalui ekstraksi area paru dengan windowing nilai Hounsfield Unit pada rentang -1200 hingga 600 HU, serta pembagian dataset dengan rasio 70:20:10. Pelatihan model dieksekusi menggunakan metode Two-Stage Fine-Tuning. Hasil evaluasi data uji menunjukkan bahwa model memperoleh nilai mAP50 keseluruhan mencapai 97,43% dan mAP50:95 sebesar 52,10%. Pada pengujian per kelas, kelas Adenocarcinoma meraih mAP50 sebesar 96,63%, precision 92,69%, recall 94,13%, dan F1-score 93,40%. Sementara itu, kelas Squamous Cell Carcinoma meraih mAP50 sebesar 98,23%, precision 95,17%, recall 97,87%, dan F1-score 92,62%. Hasil penelitian menunjukkan bahwa model EfficientDet-D1 mampu mendeteksi dan mengklasifikasikan jenis kanker paru pada citra CT scan dengan performa yang baik.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Setiawan, Arya (00000083123)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	Citra Medis, Deep Learning, EfficientDet-D1, Kanker Paru, Object Detection
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	17 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/47671

Actions (login required)

View Item