Klasifikasi Pneumonia pada Citra X-Ray Dada Menggunakan Model MobileNetV2 dan MobileNetV3 dengan Grad-CAM sebagai Metode Explainable AI

Faulina, Shella (2026) Klasifikasi Pneumonia pada Citra X-Ray Dada Menggunakan Model MobileNetV2 dan MobileNetV3 dengan Grad-CAM sebagai Metode Explainable AI. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (217kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (477kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (214kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (574kB)
	Archive (ZIP) 00000079493_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Pneumonia merupakan penyakit infeksi paru-paru yang dapat menyebabkan gangguan pernapasan serius dan memerlukan diagnosis yang cepat serta akurat. Citra Chest X-Ray sering digunakan sebagai media pendukung diagnosis, namun proses interpretasinya membutuhkan ketelitian dan pengalaman tenaga medis. Penelitian ini bertujuan untuk membandingkan performa model Convolutional Neural Network (CNN) Baseline, MobileNetV2, dan MobileNetV3 dalam klasifikasi pneumonia pada citra Chest X -Ray, serta menganalisis interpretabilitas model menggunakan pendekatan Explainable Artificial Intelligence (XAI). Dataset yang digunakan adalah Chest X-Ray Images (Pneumonia) dari Kaggle yang terdiri atas 5.856 citra dengan dua kelas, yaitu NORMAL dan PNEUMONIA. Tahapan penelitian meliputi preprocessing data, normalisasi, augmentasi, penyeimbangan kelas menggunakan Synthetic Minority Oversampling Technique (SMOTE), pelatihan model, evaluasi performa, serta implementasi Grad-CAM dan Grad-CAM++ untuk interpretabilitas. Hasil penelitian menunjukkan bahwa MobileNetV2 memberikan performa terbaik dengan nilai accuracy sebesar 97,01%, precision sebesar 97,02%, recall sebesar 97,01%, F1-score sebesar 97,02%, dan AUC sebesar 99,49%. MobileNetV3 memperoleh accuracy sebesar 95,90%, sedangkan CNN Baseline memperoleh accuracy sebesar 94,20%. Visualisasi Grad-CAM dan Grad-CAM++ menunjukkan bahwa MobileNetV2 lebih mampu memfokuskan perhatian pada area paru-paru yang relevan dengan indikasi pneumonia. Berdasarkan hasil tersebut, MobileNetV2 menjadi model paling optimal karena memiliki performa klasifikasi, k emampuan g eneralisasi, dan interpretabilitas yang lebih baik dibandingkan model lainnya.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Faulina, Shella (00000079493)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	Chest X-Ray, Deep Learning, Explainable Artificial Intelligence, MobileNetV2, Pneumonia
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Jul 2026 08:07
URI:	https://kc.umn.ac.id/id/eprint/48049

Actions (login required)

View Item