Studi Literatur Mengenai Arsitektur Transformer dalam Klasifikasi Citra Medis
DOI:
https://doi.org/10.33005/santika.v6i1.1260Keywords:
Transformer, Swin Transformer, Vision Transformer, klasifikasi citra medis, deep learning, self-attention, computer-aided diagnosisAbstract
Perkembangan deep learning telah memberikan kontribusi signifikan dalam analisis citra medis, khususnya dalam meningkatkan akurasi sistem computer-aided diagnosis. Meskipun Convolutional Neural Network (CNN) telah banyak digunakan, keterbatasannya dalam menangkap dependensi global antar fitur citra masih menjadi tantangan utama. Dalam beberapa tahun terakhir, arsitektur berbasis Transformer muncul sebagai alternatif yang mampu mengatasi keterbatasan tersebut melalui mekanisme self-attention. Penelitian ini bertujuan untuk melakukan studi literatur sistematis terhadap 20 publikasi ilmiah dalam lima tahun terakhir guna menganalisis hubungan antara arsitektur, strategi pelatihan, dan karakteristik dataset terhadap performa model. Hasil penelitian menunjukkan bahwa Vision Transformer (ViT) dan Swin Transformer merupakan pendekatan dominan dengan performa yang tinggi dan konsisten. Berdasarkan hasil analisis literatur, model Swin Transformer mampu mencapai akurasi hingga 99.57%–99.85% pada beberapa studi, sementara pendekatan hybrid CNN–Transformer menunjukkan akurasi sekitar 97.0% dengan precision 97.5%, recall 97.2%, dan F1-score 97.4%. Selain itu, Vision Transformer juga menunjukkan performa yang baik dengan precision mencapai 93.3%, recall 92.8%, dan F1-score 93.0%. Secara umum, sebagian besar penelitian menunjukkan performa model dengan akurasi di atas 90% bahkan mendekati 99%, yang menegaskan efektivitas arsitektur Transformer dalam klasifikasi citra medis. Kebaruan penelitian ini terletak pada penyajian analisis terintegrasi yang menegaskan bahwa performa model tidak hanya ditentukan oleh arsitektur, tetapi juga oleh strategi pelatihan dan kompleksitas dataset yang digunakan.
References
L. Maharani and I. Komputer, “KECERDASAN BUATAN DALAM DIAGNOSTIK MEDIS DAN PERAWATAN KESEHATAN,” Logicloom.id, vol. 1, no. 7, 2024.
S. H. Gulo, “PENERAPAN TEKNIK DEEP LEARNING DALAM PENGENALAN POLA CITRA MEDIS,” informatika, vol. 1, no. 2, May 2024.
A. Syakuroh, F. Monado, M. Ariani, Hadi, E. Koriyanti, and Erni, “ANALISIS AKURASI MODEL MOBILENETV2 DALAM KLASIFIKASI CITRA X-RAY UNTUK DETEKSI KONDISI PARU-PARU,” Journal Online of Physics, vol. 10, no. 3, pp. 67–74, Jul. 2025.
N. Puspita Sari, “Analisis Performa Algoritma CNN dalam Klasifikasi Citra Medis Berbasis Deep Learning Analysis Of CNN Algorithm In Deep Learning-Based Medical Image Classification,” Jurnal Komputer, vol. 2, no. 2, pp. 87–92, 2024.
J. Homepage, P. Dhiyaul, H. Aq, and B. Irawan, “Penerapan Vision T ransformer Untuk Klasifkasi Sampah R umah T angga,” Journal of Innovative and Creativity, vol. 6, no. 1, p. 2026, Feb. 2026.
S. Takahashi et al., “Comparison of Vision Transformers and Convolutional Neural Networks in Medical Image Analysis: A Systematic Review,” Dec. 01, 2024, Springer. doi: 10.1007/s10916-024-02105-8.
S. J. Grace and D. Gunawan, “PERBANDINGAN CNN, RESNET50, DAN VISION TRANSFORMER UNTUK KLASIFIKASI KANKER PAYUDARA BERBASIS WEB,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, pp. 945–956, Jul. 2025, doi: 10.36341/rabit.v10i2.6420.
Z. Liu et al., “Swin Transformer: Hierarchical Vision Transformer using Shifted Windows,” Aug. 2021, [Online]. Available: http://arxiv.org/abs/2103.14030
M. A. Alohali, N. El-Rashidy, S. Alaklabi, H. Elmannai, S. Alharbi, and H. Saleh, “Swin-GA-RF: genetic algorithm-based Swin Transformer and random forest for enhancing cervical cancer classification,” Front. Oncol., vol. 14, 2024, doi: 10.3389/fonc.2024.1392301.
J. Huang et al., “Swin transformer for fast MRI,” Neurocomputing, vol. 493, pp. 281–304, Jul. 2022, doi: 10.1016/j.neucom.2022.04.051.
I. Yustiana, I. Yudistiansyah, and ; M Ikhsan Thohir, “The Implementation Of Computer Vision For Eye Disease Classification Using Vision Transformer Architecture On Fundus Images,” Jurnal Media Computer Science, vol. 5, no. 1, pp. 385–400, Jan. 2026.
A. B. Prasetyo, F. T. Anggraeny, and R. Mumpuni, “Kidney Stone Disease Diagnosis Using Shifted-Windows Transformer (Swin Transformer),” Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat), vol. 9, pp. 419–424, Oct. 2025.
M. Yin et al., “Identification of Asymptomatic COVID-19 Patients on Chest CT Images Using Transformer-Based or Convolutional Neural Network–Based Deep Learning Models,” J. Digit. Imaging, vol. 36, no. 3, pp. 827–836, Jun. 2023, doi: 10.1007/s10278-022-00754-0.
D. Hidayat, A. Musyafa, and M. Handayani, “A Comparative Study of DenseNet-201 and Swin Transformer for Malignant and Benign Skin Lesion Classification,” Jurnal Teknologi Informatika dan Komputer, vol. 12, no. 1, pp. 169–184, Jan. 2026, doi: 10.37012/jtik.v12i1.3265.
A. Saddique, A. Manan, M. Ali, S. Siddiqui, and M. Rehan, “HYBRID DEEP LEARNING MODELS FOR MULTI-CLASS CLASSIFICATION OF CHEST X-RAY IMAGES: NORMAL, PNEUMONIA, AND COVID-19,” Spectrum of Engineering Sciences, vol. 3, no. 7, 2025, doi: 10.5281/zenodo.15790393.
S. J. Grace and D. Gunawan, “PERBANDINGAN CNN, RESNET50, DAN VISION TRANSFORMER UNTUK KLASIFIKASI KANKER PAYUDARA BERBASIS WEB,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, pp. 945–956, Jul. 2025, doi: 10.36341/rabit.v10i2.6420.
X. Wang et al., “Transformer-based unsupervised contrastive learning for histopathological image classification,” Med. Image Anal., vol. 81, Oct. 2022, doi: 10.1016/j.media.2022.102559.
S. Yan, C. Wang, W. Chen, and J. Lyu, “Swin transformer-based GAN for multi-modal medical image translation,” Front. Oncol., vol. 12, Aug. 2022, doi: 10.3389/fonc.2022.942511.
A. F. Al Bataineh et al., “Enhanced Magnetic Resonance Imaging-Based Brain Tumor Classification with a Hybrid Swin Transformer and ResNet50V2 Model,” Applied Sciences (Switzerland), vol. 14, no. 22, Nov. 2024, doi: 10.3390/app142210154.
C. Ozer, A. Guler, A. T. Cansever, D. Alis, E. Karaarslan, and I. Oksuz, “Shifted Windows Transformers for Medical Image Quality Assessment,” in Machine Learning in Medical Imaging - 13th International Workshop, MLMI 2022, Held in Conjunction with MICCAI 2022, Proceedings, Singapore: PublisherSpringer Science and Business Media Deutschland GmbH, Aug. 2022, pp. 425–435. [Online]. Available: http://arxiv.org/abs/2208.06034
H. Üzen and H. Fırat, “A hybrid approach based on multipath Swin transformer and ConvMixer for white blood cells classification,” Health Inf. Sci. Syst., vol. 12, no. 1, Dec. 2024, doi: 10.1007/s13755-024-00291-w.
J. Daud Halim and Rizal, “Klasifikasi Sel Darah Putih Menggunakan Vision Transformer (ViT),” Jurnal Strategi, vol. 6, no. 2, Nov. 2024.
S. Chen, S. Lu, S. Wang, Y. Ni, and Y. Zhang, “Shifted Window Vision Transformer for Blood Cell Classification,” Electronics (Switzerland), vol. 12, no. 11, Jun. 2023, doi: 10.3390/electronics12112442.
N. Sarasuartha Mahajaya, P. Desiana, W. Ayu, and R. R. Huizen, “Pengaruh Optimizer Adam, AdamW, SGD, dan LAMB terhadap Model Vision Transformer pada Klasifikasi Penyakit Paru-paru,” in Prosiding Seminar Hasil Penelitian Informatika dan Komputer (SPINTER) 2024, Denpasar, Indonesia: Institut Teknologi dan Bisnis STIKOM Bali, Apr. 2024, pp. 818–823. [Online]. Available: https://www.kaggle.com/datasets/tawsifurrahman/covid19-radiography-database,
