Arus Jurnal Sains dan Teknologi

Analisa Pompa Sentrifugal untuk Kebutuha Aliran Air pada Turbin Cross-Flow Berbasis Prototipe

2026-04-06T03:48:16+00:00

Pompa sentrifugal merupakan komponen vital dalam sistem distribusi fluida, khususnya pada pembangkit listrik tenaga mikrohidro (PLTMH) berbasis turbin cross-flow. Efisiensi kerja pompa sangat menentukan kinerja sistem secara keseluruhan, terutama dalam hal kapasitas aliran dan tekanan (head) yang dihasilkan. Penelitian ini bertujuan untuk merancang dan menganalisis kinerja pompa sentrifugal terhadap variasi debit aliran dan bukaan katup, guna memenuhi kebutuhan suplai air yang optimal ke turbin cross-flow. Metodologi yang digunakan meliputi studi literatur, perancangan prototipe, dan pengujian eksperimental di laboratorium sederhana dengan alat ukur seperti flowmeter, tachometer, dan manometer. Pompa diuji pada variasi bukaan katup (14% hingga 100%) dan beban berbeda (46–124 gram) untuk mengamati perubahan pada debit, tekanan, daya listrik, serta efisiensi sistem. Hasil pengujian menunjukkan bahwa performa optimal pompa terjadi pada bukaan katup 75% dengan debit 74 L/menit dan daya maksimum mencapai 528,3 Watt. Semakin besar debit air, efisiensi dan putaran (RPM) meningkat, dengan nilai tertinggi 589,3 rpm pada bukaan 100%. Daya listrik tertinggi tercatat pada beban sedang, menandakan adanya titik kerja ideal antara beban dan aliran. Kesimpulan dari penelitian ini adalah bahwa pompa sentrifugal menunjukkan performa maksimal pada debit tinggi dan torsi sedang, sehingga cocok diterapkan pada sistem turbin cross-flow skala mikro. Efisiensi sistem sangat dipengaruhi oleh variasi bukaan katup dan kestabilan tekanan aliran.

Pemodelan Spasial Indeks Pembangunan Manusia di Pulau Sulawesi Menggunakan Spatial Error Model

2026-04-06T04:35:19+00:00

Indeks Pembangunan Manusia (IPM) di Pulau Sulawesi tahun 2023 menunjukkan kesenjangan yang signifikan antarkabupaten/kota, yang ditandai dengan variasi nilai yang cukup tinggi. Ketimpangan ini mengindikasikan keterbatasan model klasik dalam menangani ketergantungan spasial antarwilayah. Penelitian ini bertujuan untuk menganalisis pola spasial dan faktor-faktor yang memengaruhi IPM, dengan membandingkan kinerja model regresi OLS dan Spatial Error Model (SEM). Metode yang digunakan adalah pemodelan spasial dengan data sekunder BPS tahun 2023. Matriks pembobot spasial dikonstruksi menggunakan k-Nearest Neighbors (k=4), dan uji autokorelasi spasial dilakukan dengan indeks Moran. Hasil penelitian mengonfirmasi adanya autokorelasi spasial positif pada IPM. Model SEM terbukti lebih unggul daripada OLS dengan nilai AIC yang lebih rendah dan mampu menangkap ketergantungan spasial melalui parameter λ yang signifikan. Variabel kepadatan penduduk berpengaruh positif signifikan, sedangkan persentase penduduk miskin berpengaruh negatif signifikan terhadap IPM.

Metode Least Absolute Shrinkage And Selection Operator (Lasso) Untuk Penanganan Masalah Multikolinearitas (Studi Kasus: Jumlah Kejahatan Yang Dilaporkan (Crime Total) Di Provinsi Sulawesi Tanggara Tahun 2022)

2026-04-06T06:35:45+00:00

Jumlah kejahatan yang dilaporkan di Provinsi Sulawesi Tenggara pada tahun 2022 mengalami peningkatan, sehingga perlu dianalisis faktor-faktor yang memengaruhinya. Namun, penerapan regresi linear berganda sering menghadapi masalah multikolinearitas antarvariabel independen yang dapat mengurangi keakuratan model. Penelitian ini bertujuan mengatasi multikolinearitas dengan menerapkan metode Least Absolute Shrinkage and Selection Operator (LASSO). Data yang digunakan berupa data sekunder dari Badan Pusat Statistik dengan delapan variabel independen. Metode LASSO diterapkan dengan algoritma LARS dan Cross Validation (CV) 5-fold untuk menentukan parameter shrinkage optimum. Lambda optimum adalah parameter regulasi yang fungsinya untuk mengontrol seberapa besar penalti yang diberikan terhadap koefisien regresi yang diperoleh dari nilai CV MSE yang paling minimum. Hasil analisis menunjukkan metode LASSO berhasil mengatasi multikolinearitas dengan nilai R² sebesar 86,66% dan Variation Inflation Factor (VIF) variabel Rata-rata Lama Sekolah, Tingkat Pengangguran Terbuka, Kepadatan Penduduk, Gini Rasio, Jumlah Penduduk, dan Rasio Jenis Kelamin, masing-masing sebesar 4,74; 2,43; 4,68; 1,58; 1,48; dan 1,63, dalam model akhir lebih kecil dari 5. Berdasarkan nilai R² dan nilai VIF menunjukkan metode LASSO dapat menjadi metode yang efektif untuk membangun model regresi yang stabil pada kasus dengan multikolinearitas tinggi.

Pengaruh Sudut Kemiringan Drive Pulyy pada Transimisi Cvt terhadap Performance Sepeda Motor Matic

2026-04-10T00:25:35+00:00

Pulley CVT berfungsi untuk mentransmisikan daya dari mesin ke roda belakang melalui mekanisme CVT (Continuously Variable Transmission). Pulley berperan dalam mengatur rasio transmisi sehingga kendaraan dapat bermanuver dengan baik dalam berbagai RPM/kondisi kecepatan. Untuk mengetahui analisa perbandingan pulley standar dengan pulley upgrade pada motor Yamaha 125cc. maka dari itu perlu pengujian motor untuk mencari tenaga dan torsi pada pulley standar dan pulley upgrade, torsi yang dihasilkan pulley standar paling tinggi adalah 8.38 Nm pada RPM 5.800, sedangkan torsi yang dihasilkan pulley upgrade paling tinggi 9.86 Nm pada RPM 7.330 dan daya yang didapatkan pulley standart paling tinggi 9.95 Hp pada RPM 8.630, sedangkan daya paling tinggi yang dihasilkan pulley upgrade 10.19 Hp pada RPM 7.330. Dari analisa pulley standar dan pulley upgrade terhadap torsi dan tenaga pada motor Yamaha 125cc menunjukkan bahwa adanya pengaruh yang tidak terlalu signifikan antara pulley standar dengan pulley upgrade. Karena dapat kita lihat perbedaan dari kedua pulley hanya naik 1 hp dan 1Nm. Akan tetapi pulley upgrade lebih unggul dari pulley standar dan juga lebih resvonsive di setiap RPM/laju kendaran. Maka dari itu pengguna motor hendaknya harus menyesuaikan komponen-komponen yang akan digunakan agar mesin bekerja dengan optimal dan tenaga,torsi tetap stabil disetiap RPM/laju kendaran.

Aplikasi Marinasi Berbasis Buah sebagai Tenderizer Alami pada Daging Sapi: Tinjauan Komprehensif Terhadap Tenderness, Juiciness, dan Waktu Marinasi

2026-04-24T07:41:24+00:00

Marinasi berbasis buah merupakan salah satu metode tenderisasi alami yang memanfaatkan enzim proteolitik dan asam organik untuk meningkatkan kualitas tekstur daging sapi. Penelitian ini bertujuan untuk mengkaji efektivitas berbagai jenis buah, yaitu nanas, kiwi, dan lemon, sebagai bahan marinasi alami terhadap parameter tenderness, juiciness, dan waktu marinasi pada daging sapi. Metode yang digunakan adalah studi literatur dengan menganalisis berbagai hasil penelitian dari jurnal ilmiah yang relevan. Hasil kajian menunjukkan nanas mengandung enzim bromelain yang dapat menghidrolisis protein miofibril dan kolagen secara cepat sehingga menghasilkan peningkatan tenderness dan juiciness dalam waktu marinasi 10–15 menit. Kiwi mengandung enzim actinidin yang bekerja secara progresif dalam memecah protein otot menghasilkan peningkatan keempukan yang stabil, terutama pada proses aging yang lebih lama. Lemon melalui mekanisme asidifikasi yang menyebabkan denaturasi protein dan pelonggaran struktur jaringan otot, sehingga memberikan efek pelunakan yang lebih moderat dengan waktu marinasi lebih lama. Perbandingan ketiga bahan menunjukkan nanas memberikan efek tenderisasi tercepat, kiwi memberikan peningkatan kualitas tekstur paling stabil, dan lemon memberikan efek pelunakan ringan dengan risiko over-tenderization yang lebih rendah. Dengan demikian, pemilihan bahan marinasi berbasis buah perlu disesuaikan dengan tujuan pengolahan dan durasi marinasi untuk memperoleh kualitas daging yang optimal.

Pengelolaan Limbah Medis B3 di Rumah Sakit X Kota Tangerang Selatan

2026-04-25T12:13:46+00:00

Penelitian ini didasarkan pada potensi risiko limbah medis Bahan Berbahaya dan Beracun (B3) yang dihasilkan oleh fasilitas kesehatan terhadap lingkungan dan kesehatan masyarakat jika tidak dikelola dengan baik. Penelitian ini bertujuan untuk menganalisis sistem pengelolaan limbah medis B3 di Rumah Sakit X, Kota Tangerang Selatan berdasarkan aspek reduksi, pemilahan, penyimpanan, pengangkutan, dan kepatuhan terhadap ketentuan hukum. Metode penelitian yang digunakan adalah kualitatif dengan pendekatan deskriptif melalui teknik observasi, wawancara mendalam, dan tinjauan dokumen. Hasil penelitian menunjukkan bahwa pengelolaan limbah medis B3 pada sebagian besar tahapan telah dilakukan sesuai dengan prosedur operasi standar dan peraturan yang berlaku, terutama pada aspek pemilahan, penyimpanan, pelabelan, dan pengangkutan. Namun, implementasi upaya reduksi limbah masih belum optimal. Data produksi limbah menunjukkan fluktuasi dengan rata-rata 382,27 kg per bulan pada tahun 2025 dan peningkatan pada awal tahun 2026. Variasi jumlah limbah dipengaruhi oleh jumlah kunjungan pasien, jenis layanan, dan kapasitas fasilitas kesehatan. Temuan ini menunjukkan bahwa sistem pengelolaan limbah medis berbahaya di Rumah Sakit X telah memenuhi sebagian besar aspek teknis dan peraturan, tetapi masih memerlukan penguatan strategi pengurangan limbah dan peningkatan efektivitas pengelolaan berkelanjutan untuk meminimalkan risiko terhadap lingkungan.

Toxic Solidarity: Transformasi Agresi Kolektif menjadi Dukungan Publik di Twitter/X

2026-04-26T11:04:19+00:00

Penelitian ini membahas fenomena toxic solidarity di media sosial, khususnya pada platform Twitter/X, yang menunjukkan transformasi dari agresi kolektif menjadi dukungan publik. Penelitian ini bertujuan untuk menganalisis bagaimana fenomena toxic solidarity terbentuk melalui peran misinformation dan framing dalam mengubah respons netizen dari agresi kolektif menjadi dukungan publik. Metode yang digunakan adalah pendekatan kualitatif dengan studi kasus, melalui observasi konten digital dan dokumentasi berupa unggahan, komentar, serta pemberitaan media online. Data dianalisis menggunakan teknik analisis tematik dengan mengidentifikasi bentuk misinformation, pola framing, serta perubahan respons publik. Hasil penelitian menunjukkan bahwa respons netizen berkembang secara bertahap dari agresi, refleksi, empati, hingga solidaritas. Namun, solidaritas yang terbentuk bersifat reaktif dan masih mengandung jejak agresi sebelumnya, sehingga mencerminkan dinamika kompleks komunikasi digital dalam membentuk persepsi dan realitas sosial.

Perbandingan Kualitas Cangkang Buah Karet (Hevea Brasiliensis) dan Limbah Bambu (Bambusa Vulgaris Schard) Sebagai Bahan Baku Pembuatan Briket Arang Menggunakan Variasi Minyak Jelantah

2026-04-29T01:18:48+00:00

Limbah pertanian dan perkebunan seperti limbah bambu (Bambusa Vulgaris Schrad) dan cangkang buah karet (Hevea Brasiliensis) memiliki potensi besar untuk dimanfaatkan menjadi produk yang memiliki nilai ekonomis . Penelitian ini bertujuan membandingkan kualitas briket arang dari kedua bahan baku tersebut dengan variasi penambahan minyak jelantah yang mengacu pada standar SNI 01-6235-2000. Briket dibuat dari sampel bambu dari Pasar Segiri Samarinda dan cangkang buah karet dari PT. x, melalui proses pirolisis pada suhu sekitar 600°C untuk menghasilkan arang, penghalusan, pencampuran dengan perekat tepung tapioka sebanyak 10% massa briket, penambahan minyak jelantah pada variasi 0%, 10%, 15%, dan 20%, pencetakan briket, serta pengeringan alami. Komposisi penyusun diuji meliputi rasio(%) 100:0, 75:25, 50:50, 25:75, dan 0:100 (bambu:cangkang). Briket yang dihasilkan menunjukkan hasil yang terbaik pada penggunaan minyak jelantah sebesar 15 % yaitu nilai kalor 8551 cal/gr (A1), Kadar Air 2,43% (C2), Kadar Abu 3,55% (C2), sedangkan dua parameter lainnya yaitu Volatil Matter dan Fixed Karbon tidak ada yang memenuhi di semua variasi.

Analisis Hubungan Obesitas dan Diabetes Melitus Berdasarkan Usia dan Jenis Kelamin Menggunakan Algoritma Apriori

2026-05-03T08:07:54+00:00

Penelitian ini bertujuan untuk menganalisis hubungan antara obesitas dan diabetes melitus berdasarkan usia dan jenis kelamin menggunakan algoritma Apriori. Data yang digunakan merupakan data sekunder dari Dinas Kesehatan Kota Makassar tahun 2023 hingga 2025 dalam bentuk agregat. Tahap praproses meliputi pembersihan data, transformasi, dan diskretisasi menggunakan metode tertil untuk mengubah data numerik menjadi data kategorikal. Algoritma Apriori diterapkan dengan minimum support sebesar 10% dan confidence sebesar 60% untuk mengidentifikasi aturan asosiasi. Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan antara obesitas dan diabetes melitus, khususnya pada kelompok usia lanjut dan pasien perempuan. Nilai lift ratio tertinggi mencapai 5,581 yang menunjukkan adanya asosiasi yang kuat antar variabel. Validasi statistik menggunakan uji Chi-Square menunjukkan nilai p < 0,05, yang mengonfirmasi bahwa hubungan tersebut signifikan secara statistik. Penelitian ini memberikan wawasan yang berguna bagi institusi kesehatan dalam merancang strategi pencegahan yang lebih tepat sasaran.

Pemodelan dan Prediksi Kunjungan Pasien di Puskesmas Menggunakan Hidden Markov Model

2026-05-03T11:11:07+00:00

Penelitian ini menganalisis pola fluktuatif kunjungan pasien hipertensi di Puskesmas Kota Makassar tahun 2024 menggunakan pendekatan Hidden Markov Model (HMM) untuk mendukung perencanaan layanan kesehatan. Dengan menerapkan tiga state tersembunyi (rendah, normal, tinggi) serta distribusi Negative Binomial dan Poisson, model ini mampu menangkap dinamika perubahan rezim (regime switching) pada data yang mengalami over-dispersion. Hasil evaluasi menunjukkan tingkat akurasi yang sangat tinggi dengan nilai MAPE sebesar 0,88%, mengungguli metode Seasonal Naïve. Prediksi untuk Januari 2025 memperkirakan kunjungan sebanyak 22.988 pasien dengan probabilitas tertinggi pada kondisi normal. Dengan demikian, HMM terbukti efektif sebagai instrumen pengambilan keputusan strategis dalam pengelolaan sumber daya kesehatan di tingkat Puskesmas.

Analisis Faktor Penentu Kredit Motor Menggunakan Regresi Linear Berganda

2026-05-07T12:48:05+00:00

Pemodelan pembayaran kredit motor penting dilakukan untuk mengidentifikasi dan menganalisis faktor-faktor yang memengaruhi kemampuan pembayaran konsumen, serta membangun model prediktif yang akurat guna mendukung pengambilan keputusan kredit yang lebih efektif dan meminimalkan risiko gagal bayar. Tujuan Penelitian ini untuk mendapatkan model regresi linear berganda pada data pembayaran kredit motor. Dalam penelitian ini, variabel independen yang digunakan meliputi harga motor (), uang muka (), suku bunga (), lama tenor (), dan pendapatan (), sedangkan variabel dependen adalah kemampuan membayar kredit . Data yang digunakan diperoleh dari PT. XYZ dan diolah menggunakan sofware SPSS. Analisis regresi linear berganda dilakukan untuk mengidentifikasi hubungan antara variabel-variabel independen terhadap dependen. Hasil penelitian menunjukkan bahwa variabel yang mempunyai pengaruh signifikan terhadap kemampuan membayar yaitu harga motor, lama tenor, dan pendapatan, sementara variabel uang muka dan suku bunga juga berkontribusi dalam model namun dengan pengaruh yang lebih rendah. Model regresi yang dihasilkan memiliki tingkat akurasi yang cukup baik dalam memprediksi kemampuan membayar. Dengan adanya model ini diharapkan dapat membantu dalam meningkatkan efisiensi manajemen risiko kredit dan mengurangi tingkat kredit macet.

Implementasi Natural Language Processing pada Chatbot Berbahasa Indonesia untuk Layanan Informasi Akademik di MIS Ar-Ruhama

2026-05-09T11:08:00+00:00

Teknologi informasi berkembang pesat dan menuntut lembaga akademik untuk menyediakan layanan informasi yang cepat dan akurat. Namun, Madrasah Ibtidaiyah (MIS) Ar-Ruhama masih menghadapi kendala dalam akses informasi akademik, seperti jadwal pelajaran dan administrasi yang terbatas pada jam operasional sekolah serta beban kerja staf yang tinggi dalam melayani pertanyaan repetitif. Penelitian ini bertujuan untuk merancang dan membangun chatbot berbasis website yang mengimplementasikan Natural Language Processing (NLP) guna memberikan layanan informasi akademik yang otomatis dan responsif selama 24/7. Penelitian ini menggunakan metode pengembangan perangkat lunak model Waterfall yang mencakup tahapan analisis kebutuhan, desain, pembuatan kode program, pengujian, serta pemeliharaan. Pengumpulan data dilakukan melalui studi literatur, wawancara dengan pemangku kepentingan di MIS Ar-Ruhama, dan observasi langsung. Sistem dibangun menggunakan bahasa pemrograman JavaScript dengan framework React.js dan Express.js, serta basis data MySQL. Pengujian dilakukan dengan metode Black Box Testing untuk fungsionalitas dan White Box Testing untuk alur logika program. Hasil penelitian menunjukkan bahwa implementasi metode NLP efektif dalam memproses dan memahami pertanyaan pengguna dalam bahasa Indonesia sehingga chatbot dapat memberikan respons yang relevan secara otomatis dan interaktif. Berdasarkan hasil uji coba terhadap 18 responden menggunakan skala Likert, sistem ini mendapatkan skor interpretasi sebesar 84,67% yang termasuk dalam kategori "Sangat Kuat". Pengguna menyatakan bahwa sistem ini membantu dalam pengelolaan informasi akademik dan memberikan respons yang lebih cepat dibandingkan cara manual. Kesimpulan dari penelitian ini yaitu pengembangan chatbot berbasis NLP pada MIS Ar-Ruhama berhasil mengatasi hambatan akses informasi di luar jam operasional sekolah bagi siswa dan wali murid. Sistem ini terbukti dapat mengurangi beban kerja staf administrasi dan guru dalam menjawab pertanyaan repetitif, sehingga meningkatkan efisiensi layanan informasi akademik di lingkungan madrasah.

Klasifikasi Status Gizi Balita Menggunakan Algoritma Light Gradient Boosting Machine di Puskesmas Balibo

2026-05-16T09:31:25+00:00

Status gizi balita merupakan indikator penting dalam menentukan tingkat kesehatan dan perkembangan anak. Penentuan status gizi secara konvensional sering kali membutuhkan waktu yang lama dan berpotensi menimbulkan kesalahan dalam proses identifikasi. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan algoritma Light Gradient Boosting Machine (LightGBM) sebagai pendekatan machine learning yang cepat dan akurat. Dataset yang digunakan berasal dari Puskesmas Balibo dengan jumlah data sebanyak 860 data balita yang mencakup variabel umur, jenis kelamin, tinggi badan, berat badan, BMI, indikator BB/U, dan TB/U. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi performa model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma LightGBM mampu menghasilkan performa klasifikasi yang baik dengan tingkat akurasi mencapai 94%. Model ini mampu mengidentifikasi kategori status gizi balita secara efektif dan efisien sehingga dapat membantu tenaga kesehatan dalam mendukung deteksi dini masalah gizi pada balita.

Analisis Kemiripan Source Code Project Menggunakan Metode CodeBERT dan Winnowing Algorithm

2026-05-23T03:33:37+00:00

Pemeriksaan keaslian kode pada tugas Capstone Project umumnya masih dilakukan secara manual, sehingga tidak efisien dan berisiko melewatkan kasus plagiarisme yang disamarkan melalui refactoring atau penggantian nama variabel. Penelitian ini bertujuan menerapkan kombinasi metode CodeBERT dan Winnowing Algorithm untuk mendeteksi kemiripan kode sumber secara semantik dan tekstual, serta mengintegrasikan fitur tersebut ke dalam sistem pengumpulan tugas Capstone Project mahasiswa Program Studi Informatika Fakultas Teknik Universitas Muhammadiyah Makassar. CodeBERT digunakan untuk menganalisis kemiripan semantik, sedangkan Winnowing Algorithm digunakan untuk mendeteksi kemiripan tekstual berbasis fingerprint k-gram. Hasil dari kedua metode digabungkan untuk menghasilkan penilaian kemiripan yang lebih komprehensif. Pengujian dilakukan terhadap 17 proyek valid yang menghasilkan 136 pasangan unik. Hasil analisis menunjukkan 16 pasangan termasuk kategori Plagiarisme Kuat, 30 pasangan Mirip Semantik, 30 pasangan Mirip Tekstual, dan 60 pasangan Normal. Selain itu, seluruh 11 skenario black box testing berhasil dijalankan dengan tingkat keberhasilan 100%. Hasil ini menunjukkan bahwa kombinasi CodeBERT dan Winnowing Algorithm efektif diterapkan untuk mendukung analisis kemiripan kode pada lingkungan akademik

Analisis Persentase Area Kerusakan Daun Bawang Menggunakan Model Hybrid Transformer Berbasis SegFormer-TransUNet

2026-05-31T14:15:55+00:00

Penelitian ini bertujuan mengembangkan sistem segmentasi citra untuk menghitung persentase area kerusakan daun bawang menggunakan model hybrid transformer berbasis SegFormer-TransUNet. Permasalahan utama yang diangkat adalah keterbatasan penilaian visual manual yang cenderung subjektif, lambat, dan sulit diterapkan secara konsisten pada skala lahan yang luas. Data penelitian berupa citra daun bawang dan mask anotasi yang memisahkan area daun sehat, daun rusak, dan background. Tahapan penelitian meliputi akuisisi citra, preprocessing, pembentukan label mask, pelatihan tiga skenario model, evaluasi kuantitatif, serta perhitungan persentase kerusakan berbasis rasio piksel. Model hybrid dirancang dengan memanfaatkan SegFormer sebagai encoder untuk menangkap konteks global dan TransUNet sebagai decoder untuk merekonstruksi detail spasial. Hasil evaluasi menunjukkan bahwa model hybrid memperoleh accuracy 0,9590, mIoU 0,8333, dan Dice coefficient 0,8686. Nilai tersebut lebih tinggi dibandingkan SegFormer (accuracy 0,9543; mIoU 0,7671; Dice 0,8057) dan TransUNet (accuracy 0,9583; mIoU 0,8145; Dice 0,8509) pada metrik utama segmentasi. Temuan ini menunjukkan bahwa integrasi fitur global dan detail lokal mampu meningkatkan kualitas segmentasi serta menghasilkan dasar kuantitatif untuk estimasi tingkat kerusakan daun bawang.

Identifikasi Penyakit Tuberkulosis pada Citra X-Ray Paru Menggunakan Swin Transformer dengan Pendekatan Out-of-Distribution Detection

2026-06-07T00:16:25+00:00

Penelitian ini bertujuan mengimplementasikan arsitektur Swin Transformer untuk mengidentifikasi penyakit tuberkulosis pada citra X-Ray paru serta mengevaluasi kemampuan pendekatan Out-of-Distribution Detection dalam mengenali citra yang tidak sesuai dengan distribusi data pelatihan. Data penelitian terdiri atas 1.272 citra yang terbagi seimbang ke dalam tiga kelas, yaitu Tuberkulosis, Non-Tuberkulosis, dan Tidak Dikenali/Out-of-Distribution Detection. Tahapan penelitian meliputi seleksi kualitas citra, resize ke ukuran 384 x 384 piksel, augmentasi data latih, pelatihan model Swin Transformer, serta evaluasi menggunakan accuracy, macro F1-score, confusion matrix, dan AUC. Hasil penelitian menunjukkan bahwa model Swin Transformer tunggal memperoleh accuracy 83,59% dan macro F1-score 83,59% pada klasifikasi Tuberkulosis dan Non-Tuberkulosis. Model Hybrid Swin Transformer + Out-of-Distribution Detection menghasilkan kinerja lebih baik dengan accuracy 89,06%, macro F1-score 89,10%, dan Out-of-Distribution Detection Rate 98,44%. Temuan ini menunjukkan bahwa integrasi Out-of-Distribution Detection mampu meningkatkan keandalan sistem karena model tidak memaksakan prediksi terhadap citra yang tidak relevan. Sistem yang dikembangkan dapat digunakan sebagai alat bantu skrining awal, dengan keputusan akhir tetap berada pada tenaga medis.