Baasith, Rafi Haqul (2025) IMPLEMENTASI VISION TRANSFORMER (VIT) UNTUK KLASIFIKASI MULTI-PENYAKIT PARU PADA CITRA X-RAY. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (4MB) |
|
Text (BAB I)
BAB I.pdf Download (158kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (591kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (318kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (65kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (186kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Penyakit paru-paru merupakan salah satu penyebab utama morbiditas dan mortalitas di dunia, sehingga deteksi dini memiliki peran penting dalam meningkatkan peluang keberhasilan pengobatan. Citra rontgen dada (Chest X-ray) menjadi salah satu modalitas yang umum digunakan untuk mendiagnosis berbagai penyakit paru-paru. Namun, interpretasi citra ini memerlukan keahlian radiologis dan berpotensi menimbulkan subjektivitas. Penelitian ini mengimplementasikan Vision Transformer (ViT) untuk melakukan klasifikasi multi-label penyakit paruparu pada citra X-ray menggunakan dataset CheXpert-v1.0-small yang terdiri dari 223.414 baris data dengan 12 label penyakit. Tahap penelitian meliputi pemilihan fitur penyakit relevan, penanganan nilai missing dan uncertain dengan teknik UOnes, deteksi outlier berbasis intensitas cahaya, data splitting, image preprocessing dan augmentasi, serta optimasi model menggunakan Adam optimizer, learning rate scheduler dengan warmup, dan Label Smoothing Regularization. Model ViT yang digunakan adalah pretrained vit-base-patch16-224-in21k dari HuggingFace yang kemudian difine-tuning menggunakan Trainer berbasis PyTorch. Hasil evaluasi menunjukkan model mampu mencapai nilai micro AUC yang memadai sebesar 0,81 dan macro AUC sebesar 0.7. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem deteksi otomatis multi-penyakit paru berbasis pembelajaran mendalam.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Vision Transformer, Multi-Label Classification, CheXpert, Deep Learning, X-Ray | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 21 Nov 2025 06:52 | ||
| Last Modified: | 21 Nov 2025 06:52 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31316 |
Actions (login required)
 |
View Item |