Implementasi YOLO26n untuk Deteksi Klasifikasi Nodul Tiroid pada Citra Ultrasound

Maximus Lamere, Samuel (2026) Implementasi YOLO26n untuk Deteksi Klasifikasi Nodul Tiroid pada Citra Ultrasound. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (596kB)
	PDF BAB_I.pdf Download (219kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (312kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (208kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (612kB)
	Archive (ZIP) 00000068572_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Nodul tiroid merupakan salah satu kelainan pada kelenjar tiroid yang sering ditemukan pada masyarakat dan berpotensi berkembang menjadi kanker tiroid apabila tidak terdeteksi secara dini. Ultrasonografi menjadi metode utama dalam pemeriksaan nodul tiroid, namun interpretasi citra masih memerlukan ketelitian karena karakteristik visual antara nodul benign dan malignant dapat memiliki kemiripan. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model object detection berbasis arsitektur YOLO26n dalam mendeteksi nodul tiroid pada citra ultrasonografi, serta mengevaluasi performa model berdasarkan metrik precision, recall, dan mean Average Precision (mAP). Penelitian ini menggunakan dataset citra ultrasonografi nodul tiroid yang terdiri dari 5000 citra dengan dua kelas, yaitu benign dan malignant. Tahapan penelitian meliputi konversi anotasi dari format Pascal VOC ke format YOLO, penyusunan struktur dataset YOLO, validasi dataset, augmentasi dan oversampling pada data training, pembuatan file konfigurasi YAML, pelatihan model, visualisasi hasil deteksi, serta evaluasi model. Model terbaik diperoleh pada epoch ke-79 dan disimpan dalam file best.pt untuk digunakan pada tahap evaluasi dan inferensi. Hasil evaluasi pada data testing menunjukkan bahwa model memperoleh nilai precision sebesar 0,7856, recall sebesar 0,8367, [email protected] sebesar 0,8202, [email protected]:0.95 sebesar 0,5511, dan F1-score sebesar 0,8103. Hasil tersebut menunjukkan bahwa model YOLO26n mampu mendeteksi nodul tiroid pada citra ultrasonografi serta membedakan kelas benign dan malignant berdasarkan nilai precision, recall, [email protected], [email protected]:0.95, dan F1-score yang diperoleh.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Maximus Lamere, Samuel (00000068572)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	deep learning, nodul tiroid, object detection, ultrasonografi, YOLO26n
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/48209

Actions (login required)

View Item