@thesis{thesis,
		author={Ghairin Nisaa Dwimudyari },
		title ={Sputum Smear Image Database: Sumber Pembelajaran Deep Learning Berdasarkan Deteksi Basil untuk Diagnosis Tuberculosis},
		year={2021},
		url={https://repository.unair.ac.id/108201/},
		abstract={Di Indonesia, pengamatan tubrukelosis menggunakan mikroskop merupakan salah satu metode yang banyak digunakan untuk mendeteksi Bakteri tuberkulosis. Namun, pengamatan apus dahak menggunakan mikroskop konvensional memiliki kekurangan. Menurut standar World Health Organization (WHO), pengamatan bakteri mikroskop dilakukan dengan mengamati 100 layar pandang slide sediaan dahak penderita tuberkulosis. Faktor tersebut dapat menyebabkan kelelahan pada pengamat, yang ditakutkan dapat mempengaruhi output. Oleh karena itu, diperlukan proses otomatis untuk mendeteksi bakteri TB. Metode berbasis deep learning untuk mendeteksi bakteri telah berkembang pesat dalam beberapa tahun terakhir. Salah satu penelitian yang menggunakan metode deep learning untuk mendeteksi bakteri tuberkulosis adalah penelitian ZNSMiDB, yang telah dilakukan Jaypee university of Information Technology dan Indira Gandhi Medical College. Pada ZNSM-iDB terdapat database yang berfungsi sebagai alat untuk mengembangkan algoritma Akan tetapi, database pada ZNSM-iDB memiliki database yang terbatas dan berbeda dengan kasus yang umumnya ada di Indonesia. Makalah ini mengusulkan database citra sputum smear dengan data yang dikumpulkan dari RSUD Dr. Soetomo. Database yang dibuat dengan menggunakan model Faster-RCNN X101 FPN memiliki kategori kelas tunggal bakteri tahan asam (BTA) dengan keakurasian mencapai 89,39%.}
		}