TY  - THES
KW  - Pneumonia
KW  -  Chest X-ray
KW  -  Vision Transformer
KW  -  Swin Transformer
KW  - 
Fine-Tuning.
TI  - EKSPERIMEN MODEL VISION TRANSFORMER DAN SWIN
TRANSFORMER BERBASIS FINE-TUNING UNTUK MULTILABEL
MULTI-KRITERIA
PADA
CITRA
X-RAY
PARUPARU
N2  - Penyakit 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.
A1  - Anggia, Rizky Nanda
ID  - universitasamikomyogyakarta32242
AV  - restricted
UR  - https://eprints.amikom.ac.id/id/eprint/32242/
M1  - bachelor
PB  - Universitas AMIKOM Yogyakarta
Y1  - 2026/01/28/
ER  -