// <![CDATA[DETEKSI PENYAKIT PNEUMONIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORKS DENGAN ARSITEKTUR MOBILENET V3]]> 0404057502 - Youllia Indrawaty Nurhasah, ST., MT. Dosen Pembimbing 1 Mochamad Rafli Aditya Iskandar / 152017014 Penulis
Penelitian ini mengevaluasi kinerja model MobileNetV3-Small dalam mendeteksi pneumonia berdasarkan citra X-ray. Model dilatih selama 15 epoch dengan menunjukkan peningkatan signifikan dalam akurasi pelatihan, mencapai 96.69% pada epoch ke-15. Meskipun terdapat fluktuasi pada akurasi validasi, model mencapai nilai tertinggi sebesar 93.75% pada epoch ke-14 sebelum menurun menjadi 87.50% pada epoch terakhir. Analisis confusion matrix menunjukkan bahwa model secara akurat mengidentifikasi semua kasus pneumonia, namun terjadi beberapa kesalahan klasifikasi pada kasus normal, yang mengindikasikan perlunya peningkatan dalam mengenali kondisi normal. Evaluasi metrik prediksi menunjukkan nilai rata-rata makro precision, recall, dan F1-score masing-masing sebesar 0.90, 0.88, dan 0.87, menunjukkan kinerja model yang baik namun masih perlu perbaikan terutama pada recall untuk kondisi normal dan presisi untuk pneumonia. Temuan ini menunjukkan potensi MobileNetV3-Small sebagai alat bantu dalam diagnosis pneumonia, namun evaluasi lebih lanjut dengan dataset yang lebih besar dan beragam diperlukan untuk memastikan generalisasi dan keandalan model dalam konteks klinis. Kata kunci: Deteksi Pneumonia, MobileNetV3-Small, Klasifikasi Citra Medis, Akurasi Model