EPrints Universitas Amikom YogyakartaEKSPERIMEN MODEL VISION TRANSFORMER DAN SWIN TRANSFORMER BERBASIS FINE-TUNING UNTUK MULTILABEL MULTI-KRITERIA PADA CITRA X-RAY PARUPARURizky NandaAnggiaauthorPenyakit paru-paru merupakan salah satu penyebab utama morbiditas dan mortalitas di dunia, sehingga deteksi dini memiliki peran penting dalam meningkatkan akurasi diagnosis dan efektivitas penanganan medis. Citra rontgen dada (Chest X-ray) merupakan modalitas pencitraan yang paling umum digunakan untuk mendeteksi berbagai penyakit paru, namun proses interpretasinya masih sangat bergantung pada keahlian radiolog dan berpotensi menimbulkan subjektivitas, terutama pada kasus dengan lebih dari satu kondisi patologis dalam satu citra. Kompleksitas ini dapat berdampak pada keterlambatan diagnosis dan ketidakkonsistenan hasil interpretasi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengevaluasi pendekatan deteksi otomatis penyakit paru berbasis deep learning menggunakan arsitektur transformer, yaitu Vision Transformer (ViT) dan Swin Transformer. Penelitian dilakukan menggunakan dataset CheXpert-v1.0-small yang terdiri dari citra X-ray dada dengan 12 label penyakit paru yang relevan. Tahapan penelitian meliputi pembersihan dan prapemrosesan data, penanganan label tidak pasti, pembagian data menjadi data latih, validasi, dan uji, serta pelatihan model dalam dua skenario, yaitu baseline (non finetuning) dan fine-tuning. Evaluasi kinerja model dilakukan menggunakan metrik Area Under the Curve – Receiver Operating Characteristic (AUC-ROC) sebagai indikator akurasi klasifikasi multi-label. Hasil penelitian menunjukkan bahwa penerapan fine-tuning mampu meningkatkan performa kedua model secara konsisten, di mana Swin Transformer hasil fine-tuning menunjukkan kinerja paling stabil dengan nilai AUC berada pada rentang 0,75–0,88 pada sebagian besar label penyakit, termasuk pneumonia. Penelitian ini diharapkan dapat dimanfaatkan sebagai dasar pengembangan sistem pendukung keputusan klinis berbasis kecerdasan buatan untuk membantu proses diagnosis penyakit paru secara lebih cepat dan objektif.000 Ilmu komputer, informasi dan pekerjaan umum006 Metode komputer khusus2026-01-28Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.