PERBANDINGAN KLASIFIKASI KELAINAN TULANG PUNGGUNG DENGAN MENGGUNAKAN DEEP LEARNING RESNET-50, GOOGLNET, DAN ALEXNET

<p>Klasifikasi gangguan tulang belakang sulit dilakukan karena membutuhkan radiologist untuk menganalisis citra Magnetic Resonance Imaging (MRI). Dengan teknologi pengolahan citra (<em>image classification</em>), dengan kemajuan ini suatu proses penilaian secara otomatis pada gambar pengolahan citra dengan mendapatkan hasil informasi atau deskripsi dari suatu objek yang telah terdapat pada citra dengan waktu yang tepat. Sistem ini menggunakan metode <em>Pretrained models</em> <em>deep learning </em>dengan algoritma <em>Convolutional Neural Network (CNN) </em>yaitu AlexNet, GoogLeNet, dan ResNet-50, nilai parameter yang dihasilkan akan mengetahui algoritma yang terbaik. Parameter yang dihasilkan adalah grafik <em>training </em>dan hasil <em>confusion matrix</em>. Penelitian ini mencari akurasi, kestabilan grafik, waktu dan perhitungan hasil <em>confusion</em> <em>matrix</em> sebagai pengukuran kehandalan metode. Hasil <em>training</em> dari data latih untuk akurasi terbaik adalah algoritma ResNet-50, waktu <em>run time</em> tercepat adalah algoritma AlexNet dan hasil <em>testing</em> klasifikasi terbaik adalah model AlexNet dan GoogLeNet. Hasil testing klasifikasi terbaik adalah model GoogLeNet dengan nilai <em>accuracy</em> 100%,<em> precicion</em> 100%, <em>recall</em> 100%, <em>specificity</em> 100%, dan <em>f-score</em> 100%.</p>