Tingginya angka kasus tuberkulosis (TB) di Indonesia memicu keprihatinan sekaligus semangat inovasi dari Shendi Teuku Maulana Efendi, mahasiswa Program Studi Teknik Informatika Universitas PGRI Madiun (Universitas PGRI Madiun). Dalam sidang skripsi semester genap tahun akademik 2025/2026, Shendi mempresentasikan penelitiannya tentang sistem deteksi otomatis TB pada citra rontgen dada (chest X-ray) menggunakan teknologi deep learning berbasis arsitektur DenseNet-121.

Shendi menjelaskan bahwa latar belakang penelitiannya berangkat dari fakta bahwa banyak kasus TB di Indonesia terlambat terdeteksi akibat keterbatasan tenaga medis. “Dari situ saya melihat peluang bahwa teknologi, khususnya deep learning, dapat membantu mempercepat proses deteksi penyakit tuberkulosis melalui citra chest X-ray,” ujarnya, Selasa, 22/07/2025, kemarin.

Dalam penelitiannya, ia memanfaatkan dataset citra rontgen dada yang diperoleh dari beberapa repository institusi ternama seperti Qatar University, University of Dhaka, dan Hamad Medical Corporation. Dataset tersebut mencakup gambar normal dan gambar yang mengindikasikan TB, yang kemudian dianalisis dan diklasifikasikan menggunakan model DenseNet-121.

Tak hanya mengembangkan model klasifikasi, Shendi juga membangun sistem berbasis web dengan dua peran utama: admin (dokter atau tenaga medis) dan user (pasien). Sistem ini dirancang untuk mendeteksi TB secara cepat dan otomatis, sekaligus mendukung proses skrining awal sebelum pasien mendapatkan diagnosis final dari dokter ahli.

“Tantangan utama saya ada pada pencarian dan pengolahan data chest X-ray yang akurat dan terstruktur, memastikan model deep learning memiliki performa yang optimal untuk kebutuhan medis, serta integrasi model ke dalam sistem web agar siap digunakan,” tambahnya.

Dampak dari penelitian ini pun cukup menjanjikan. Sistem yang dikembangkan dapat membantu tenaga medis dalam mempercepat proses diagnosis, sementara bagi pasien, deteksi dini memungkinkan penanganan lebih cepat dan tepat.

Puguh Jayadi, S.Kom., M.Kom., sebagai dosen pembimbing menyambut baik penelitian tersebut. Beliau menyatakan bahwa penelitian ini menjadi langkah konkret dalam mengimplementasikan kecerdasan buatan (AI) dalam kehidupan nyata, khususnya di bidang kesehatan. “Harapannya sistem ini bisa menjadi alat bantu skrining awal dan terus dikembangkan, baik dari sisi akurasi model maupun fungsionalitas sistem,” ujarnya.

Lebih lanjut, ia juga menekankan pentingnya terus mengembangkan inovasi seperti ini, mengingat perkembangan teknologi yang sangat pesat dan potensinya dalam menjadi solusi atas berbagai tantangan di dunia medis, termasuk dalam upaya penanggulangan tuberkulosis di Indonesia.

Hal senada juga disampaikan oleh dosen pembimbing kedua, Moch Yusuf Asyhari, STr.Kom.,M.Kom,. Ia menilai bahwa penelitian ini menunjukkan kedalaman pemahaman mahasiswa terhadap metode yang dipelajarinya. “Semoga hasil penelitiannya tidak berhenti sampai di sini, namun terus dikembangkan agar dapat diimplementasikan sebagai teknologi tepat guna,” ungkapnya.

Melalui karyanya, Shendi berharap dapat terus berkontribusi bagi masyarakat, baik melalui penelitian, pengajaran, maupun pengabdian. “Saya ingin penelitian ini menjadi langkah kecil yang bisa berdampak besar, terutama dalam membantu masyarakat mendapatkan layanan kesehatan yang lebih cepat dan akurat,” pungkasnya.