Perpustakaan Digital ITB

Tuberkulosis (TB) merupakan salah satu masalah kesehatan global dengan estimasi total 10 juta kasus dan 1,5 juta kematian tiap tahunnya. Salah satu metode pencitraan yang digunakan sebagai pemeriksaan penunjang diagnosis tuberkulosis adalah X-ray toraks. Untuk mendukung proses skrining tersebut, penelitian ini mengembangkan sistem deteksi Tuberkulosis berbasis deep learning sebagai alat bantu skrining TB. Penelitian ini meliputi beberapa tahap, yakni preprocessing citra, training model deep learning, visualisasi area indikatif menggunakan Grad- CAM, implementasi model pada situs web TBScan, serta validasi oleh dokter spesialis paru. Sistem ini dibangun dengan membandingkan tiga model Convolutional Neural Network, yakni VGG-16, DenseNet-121 (A) dan DenseNet- 121 (B). Dari hasil penelitian, model DenseNet-121 (B) menunjukkan performa terbaik dengan nilai akurasi keseluruhan sebesar 94.1%, sensitivitas TB sebesar 89.3%, spesifisitas TB sebesar 98.6%, F1-score TB sebesar 89.3%, dan F1-score macro sebesar 92.52% sehingga dipilih sebagai model utama yang kemudian diimplementasikan ke dalam TBScan. Kemudian, berdasarkan hasil visualisasi dengan Grad-CAM, diperoleh mean Intersection over Union (IoU) sebesar 0.137, median IoU sebesar 0.109, menggunakan threshold heatmap sebesar 0.1, serta persentase lokalisasi yang tepat sebesar 52.5%. Selanjutnya, sistem divalidasi oleh seorang dokter spesialis paru dan memperoleh skor rata-rata sebesar 3.5 dari skala 5 untuk aspek relevansi klinis, fungsionalitas sistem, dan evaluasi prediksi Grad- CAM. Hasil implementasi menunjukkan bahwa sistem TBScan memiliki potensi sebagai alat bantu skrining tuberkulosis dengan dukungan visualisasi Grad-CAM yang membantu interpretasi hasil prediksi model.