IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA X-RAY PATAH TULANG LENGAN MANUSIA (Studi kasus: Greenstick, Humerus dan Dislokasi)

Abstract

Fraktur merupakan salah satu insiden kecelakaan yang memiliki jumlah korban luka cukup tinggi yaitu sekitar 40% dari insiden kecelakaan yang terjadi. Pemeriksaan penunjang yang digunakan untuk mendeteksi patah pada tulang adalah foto x-ray, tetapi karena rendahnya kualitas foto x-ray dan perbedaan karakteristik visual patah tulang dari lokasinya, patah tulang sulit ditemukan secara akurat. Penelitian ini dilakukan dengan tujuan untuk mengetahui potensi penggunaan metode deep learning, dimana salah satu algoritmanya yaitu convolutional neural network (CNN) untuk mengklasifikasikan citra x-ray patah tulang lengan manusia. Penelitian dimulai dengan melakukan pengumpulan data yaitu sebanyak 300 citra kemudian dilakukan preprocessing data sehingga diperoleh dataset yang dapat dijadikan masukan ke dalam CNN, kemudian dilakukan pembuatan model untuk diuji model tersebut untuk sebagian data. Hasil dari penelitian ini diperoleh akurasi sebesar 93% berdasarkan model terbaik CNN pada epoch 100 dengan susunan 2 lapisan convolutional – pooling – 2 lapisan convolutional – pooling – flattern – 2 lapisan fully connected. Hasil model terbaik yang diujikan pada data baru diperoleh 2 citra gagal diprediksi dan 13 citra lainnya berhasil diprediksi sesuai kategorinya. Beradsarkan hasil penelitian tersebut menunjukkan bahwa metode deep learning dapat digunakan untuk mengklasifikasikan citra x-ray patah tulang lengan manusia.