* Corresponding Author
Hide
Show all
Comparison of Artificial Intelligence Methods for Tuberculosis Detection Using X-Ray Images
https://doi.org/10.22146/ijccs.102601 I Putu Agus Eka Darma Udayana(1*), I Made Karang Satria Prawira(2), I Gede Bagus Arya Merta Tika(3)
(1) Indonesian Institute of Business and Technology
(2) Indonesian Institute of Business and Technology
(3) Indonesian Institute of Business and Technology
(*) Corresponding Author
Abstract
Penyakit tuberkulosis (TB), yang disebabkan oleh bakteri Mycobacterium tuberculosis, merupakan penyakit menular yang sangat berbahaya. Di Indonesia, TB adalah penyakit menular paling mematikan setelah COVID-19 dan menempati urutan ke-13 sebagai penyebab kematian global. Deteksi dini TB sangat penting untuk meningkatkan peluang kesembuhan, namun keterbatasan jumlah ahli radiologi menjadi tantangan utama. Teknologi deep learning, khususnya Convolutional Neural Network (CNN), mejadi solusi efektif untuk masalah ini. Oleh karena itu, pada penelitian ini akan membandingkan dua arsitektur CNN, yaitu AlexNet dan VGG-19, dalam mendeteksi TB pada citra rontgen paru-paru, dengan penerapan metode perbaikan kualitas citra, seperti Histogram Equalization (HE), Adaptive Histogram Equalization (AHE), Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Gamma Correction. Dataset yang digunakan diperoleh dari Kaggle dan mencakup citra rontgen paru-paru normal serta TB. Evaluasi performa dilakukan berdasarkan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa VGG-19 dengan CLAHE memberikan performa terbaik dengan akurasi 93.5%, presisi 98.88%, recall 88%, dan F1-score 93.12%. VGG-19 dengan Gamma Correction juga menunjukkan hasil yang sangat baik dengan akurasi 91%, presisi 97.67%, recall 84%, dan F1-score 90.32%. Temuan ini menggarisbawahi efektivitas kombinasi CNN dan metode pemrosesan citra dalam meningkatkan deteksi TB.
Keywords
Full Text:
PDFReferences
L. Khattrine Noviyanti, K. Dwi Nugroho, and S. Asmara Dewa, “‘PAK DEDE’ (PROGRAM AKTUALISASI KADER DETEKSI DINI DEPRESI) LANSIA DENGAN PENYAKIT TBC,” J. Indones. Mengabdi, vol. 2, no. 1, pp. 24–33, Mar. 2023, doi: 10.55080/jim.v2i1.136.
W. H. Achmad, N. Saurina, N. Chamidah, and R. Rulaningtyas, “Pemodelan Klasifikasi Tuberkulosis dengan Convolutional Neural Network,” Pros. Semin. Implementasi Teknol. Inf. dan Komun., vol. 2, no. 1, 2023, doi: 10.31284/p.semtik.2023-1.3989.
Y. F. Riti and S. S. Tandjung, “Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network,” Progresif J. Ilm. Komput., vol. 18, no. 1, p. 91, 2022, doi: 10.35889/progresif.v18i1.784.
I. Hartono, A. Noertjahyana, and L. W. Santoso, “Deteksi Masker Wajah dengan Metode Convolutional Neural Network,” J. Infra, 2022.
D. Marcella, Y. Yohannes, and S. Devella, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network Dengan Arsitektur VGG-19,” J. Algoritm., vol. 3, no. 1, pp. 60–70, 2022, doi: 10.35957/algoritme.v3i1.3331.
N. Hilmi, D. Wahyu, and A. Saputra, “Edu Komputika Journal Implementasi HE, AHE, dan CLAHE Pada Metode Convolutional Neural Network untuk Identifikasi Citra X-Ray Paru-Paru Normal atau Terinfeksi Covid19,” Edu Komputika, vol. 10, no. 1, pp. 1–9, 2023.
T. Rahman et al., “Reliable tuberculosis detection using chest X-ray with deep learning, segmentation and visualization,” IEEE Access, vol. 8, pp. 191586–191601, 2020, doi: 10.1109/ACCESS.2020.3031384.
W. P. Putra and S. Handayaningsih, “Analisis Perbandingan Histogram Equalization dan Model Logarithmic Image Processing (LIP) Untuk Image Enhancement,” J. Inform., vol. 2, no. 2, pp. 200–208, 2012.
R. E. Manalu, “Analisis Metode Histogram Equalization Dalam Proses Perbaikan Gambar Closed Circuit Television (CCTV),” TIN Terap. Inform. Nusant., vol. 2, no. 1, pp. 1–5, 2021.
D. Setyawan, A. Wuryandari, and R. Ari Wibowo, “Peningkatan Kualitas Citra Malaria Menggunakan Metode Contrast Enhancement Berbasis Histogram,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 3, pp. 194–200, 2022, doi: 10.33387/jiko.v5i3.5237.
B. Hartono, “Analisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra,” J. Teknol. Inf., vol. 19, no. 1, pp. 1–10, 2014.
I. W. A. Wijaya Kusuma and A. Kusumadewi, “Penerapan Metode Contrast Stretching, Histogram Equalization Dan Adaptive Histogram Equalization Untuk Meningkatkan Kualitas Citra Medis Mri,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 1, pp. 1–10, 2020, doi: 10.24176/simet.v11i1.3153.
N. K. N. Nilasari, Y. Divayana, and R. S. Hartati, “Perbandingan Metode Median Filtering dengan CLAHE dalam Mengidentifikasi Koloni Bakteri,” Maj. Ilm. Teknol. Elektro, vol. 21, no. 1, p. 71, Jul. 2022, doi: 10.24843/mite.2022.v21i01.p10.
T. Tinaliah and T. Elizabeth, “Peningkatan Kualitas Citra X-Ray Paru-Paru Pasien Covid-19 Menggunakan Metode Contrast Limited Adaptive Histogram Equalization,” J. Teknol. Inf., vol. 4, no. 2, pp. 345–349, 2020, doi: 10.36294/jurti.v4i2.1709.
K. Saputra, I. Taufik, D. F. Dharma, and M. Hidayat, “Analisis Perbaikan Kualitas Citra Menggunakan CLAHE dan HE Pada Citra X-Ray Covid-19 dan Pneumonia,” vol. 6, no. 2, pp. 97–104, 2021.
Y. Wang, Z. Liu, J. Liu, S. Xu, and S. Liu, “Low-Light Image Enhancement with Illumination-Aware Gamma Correction and Complete Image Modelling Network,” Proc. IEEE Int. Conf. Comput. Vis., pp. 13082–13091, 2023, doi: 10.1109/ICCV51070.2023.01207.
D. Ibrahim, A. Hidayatno, and R. Isnanto, “Pengaturan Kecerahan dan Kontras Citra Secara Automatis dengan Teknik Pemodelan Histogram,” pp. 1–7, 2011.
R. Hansyana, Yassir, and Rachmawati, “Penggunaan Koreksi Gamma Dengan Metode Robert, Prewitt, Dan Sobel Untuk Penyempurnaan Gambar Pada Citra Dalam Air,” Tektro, vol. 7, no. 1, pp. 66–71, 2023.
K. Alomar, H. I. Aysel, and X. Cai, “Data Augmentation in Classification and Segmentation : A Survey and New Strategies,” 2023, doi: https://doi.org/10.3390/jimaging9020046.
T. B. Waskito, S. Sumaryo, and Casi Setianingsih, “Kendali Robot Beroda Dengan Gerak Isyarat Tangan Berbasis Image Processing,” eProceedings …, vol. 6, no. 3, pp. 10052–10059, 2019.
I. Nihayatul Husna, M. Ulum, A. Kurniawan Saputro, D. Tri Laksono, and D. Neipa Purnamasari, “Rancang Bangun Sistem Deteksi Dan Perhitungan Jumlah Orang Menggunakan Metode Convolutional Neural Network (CNN),” Semin. Nas. Fortei Reg., vol. 7.
R. Magdalena, S. Saidah, N. K. C. Pratiwi, and A. T. Putra, “Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN),” J. Edukasi dan Penelit. Inform., vol. 7, no. 3, p. 335, 2021, doi: 10.26418/jp.v7i3.48195.
A. Kholik, “Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram,” J. Data Min. dan Sist. Inf., vol. 2, no. 2, p. 10, 2021, doi: 10.33365/jdmsi.v2i2.1345.
I. D. Irawati, G. Budiman, S. Saidah, S. Rahmadiani, and R. Latip, “Block-based compressive sensing in deep learning using AlexNet for vegetable classification,” PeerJ Comput. Sci., vol. 9, pp. 1–15, 2023, doi: 10.7717/peerj-cs.1551.
D. Rastogi, P. Johri, and V. Tiwari, “Augmentation based detection model for brain tumor using VGG 19,” Int. J. Comput. Digit. Syst., vol. 13, no. 1, pp. 1227–1237, 2023, doi: 10.12785/ijcds/1301100.
S. Kumar and H. Kumar, “Classification of COVID-19 X-ray images using transfer learning with visual geometrical groups and novel sequential convolutional neural networks,” MethodsX, vol. 11, no. December 2022, p. 102295, 2023, doi: 10.1016/j.mex.2023.102295.
M. Fitra Hanafiah and Y. Fitri Annisa Lubis, “Prosiding SNASTIKOM: Seminar Nasional Teknologi Informasi & Komunikasi Paper Analisis Pengaruh Citra Gelap Terhadap Kinerja Metode High Boost Filtering Dan Adaptive Histogram Equalization.”
A. O. C. Pratiwi, “Klasifikasi Jenis Anggur Berdasarkan Bentuk Daun Menggunakan Convolutional Neural Network Dan K-Nearest Neighbor,” J. Ilm. Tek. Inform. dan Komun., vol. 3, no. 2, pp. 201–224, 2023, [Online]. Available: http://journal.sinov.id/index.php/juitik/article/view/535
N. M. Setiohardjo and A. Harjoko, “Analisis Tekstur untuk Klasifikasi Motif Kain (Studi Kasus Kain Tenun Nusa Tenggara Timur),” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 10, no. 1, p. 177, 2014, doi: 10.22146/ijccs.6545.
Y. N. FUADAH, I. D. UBAIDULLAH, N. IBRAHIM, F. F. TALININGSING, N. K. SY, and M. A. PRAMUDITHO, “Optimasi Convolutional Neural Network dan K-Fold Cross Validation pada Sistem Klasifikasi Glaukoma,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 3, p. 728, Jul. 2022, doi: 10.26760/elkomika.v10i3.728.
DOI: https://doi.org/10.22146/ijccs.102601
Article Metrics
Abstract views : 1
| 
views : 0
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 IJCCS (Indonesian Journal of Computing and Cybernetics Systems)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
View My Stats1