Analisis Performa Variasi Backbone CNN pada Arsitektur U-Net untuk Segmentasi Pneumothorax pada Citra chest X-ray

Rajwa Muhammad, Farrel (2026) Analisis Performa Variasi Backbone CNN pada Arsitektur U-Net untuk Segmentasi Pneumothorax pada Citra chest X-ray. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_I.pdf Download (212kB)
	PDF BAB_II.pdf Download (666kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (316kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (206kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (367kB)
	Archive (ZIP) 00000065055_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Pneumothorax merupakan kondisi kolaps paru-paru akibat masuknya udara ke rongga pleura yang dapat mengancam jiwa jika tidak ditangani dengan cepat. Penelitian ini bertujuan membandingkan performa backbone ResNet- 50 dan DenseNet-169 pada arsitektur U-Net untuk segmentasi pneumothorax menggunakan dataset SIIM-ACR Pneumothorax Segmentation yang terdiri dari 12.089 citra chest X-ray. Tahapan penelitian meliputi preprocessing data, data augmentation, pelatihan model menggunakan transfer learning, dan evaluasi menggunakan Dice Score, IoU, Precision dan Recall. Hasil penelitian menunjukkan bahwa U-Net dengan backbone ResNet-50 memperoleh Dice Score sebesar 0,6393 dan IoU sebesar 0,4698, sedangkan DenseNet-169 memperoleh Dice Score sebesar 0,5690 dan IoU sebesar 0,3976. Berdasarkan hasil evaluasi, ResNet-50 memberikan performa segmentasi dan kemampuan generalisasi yang lebih baik dibandingkan DenseNet-169. Oleh karena itu, ResNet-50 dinilai lebih efektif untuk segmentasi pneumothorax pada arsitektur U-Net.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Rajwa Muhammad, Farrel (00000065055)
Contributors:	Harsono, Eka Jaya
Keywords:	DenseNet-169, Pneumothorax, ResNet-50, Segmentasi, U-Net.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	28 Jul 2026 11:58
URI:	https://kc.umn.ac.id/id/eprint/48313

Actions (login required)

View Item