KLASIFIKASI PENYAKIT PNEUMONIA BERBASIS  CITRA X-RAY DENGAN ARSITEKTUR RESNET-50

SHAFA ALIFIA RACHMAN

Informasi Umum

Kode

22.04.1847

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing, Telecommunication Networks,

Dilihat

384 kali

Informasi Lainnya

Abstraksi

Pneumonia merupakan penyakit yang menyebabkan terjadinya peradangan pada paru-paru akibat infeksi bakteri, virus, ataupun jamur yang dapat dideteksi dengan cara melakukan rontgen dada. Dengan citra X-Ray paru-paru penyebab penyakit pneumonia yang diderita seseorang dapat diidentifikasi. Namun, identifikasi yang dilakukan secara manual dapat menghasilkan diagnosis yang salah karena terdapat keterbatasan pada mata manusia.

Pada Tugas Akhir ini sebuah sistem klasifikasi penyakit pneumonia berbasis citra X-Ray paru-paru dirancang menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Tujuan dari perancangan sistem adalah untuk meminimalisir terjadinya kesalahan diagnosis pada saat mengklasifikasikan penyebab pneumonia. Data yang digunakan pada Tugas Akhir ini merupakan citra X-Ray paru-paru yang terbagi menjadi tiga kelas yaitu normal, pneumonia viral, dan pneumonia bacterial. Beberapa tahap dari penelitian yang dilakukan yaitu memasukkan citra input pada sistem, kemudian dilakukan pre-processing berupa resizing pada citra yang dilanjutkan dengan pelatihan model. Setelah pelatihan model selesai, dilakukan pengujian terhadap ukuran citra, rasio data, jenis optimizer, learning rate, dan epoch untuk mendapatkan model klasifikasi terbaik. Beberapa parameter performansi yang diukur pada saat melakukan pengujian yaitu akurasi, presisi, recall, F1-score, dan loss.

Pada Tugas Akhir ini performansi terbaik dari sistem diperoleh dengan menggunakan citra berukuran 224×224 piksel, rasio data 80:10:10, optimizer SGD, learning rate 0.0001, dan epoch 100. Hasil pengujian sistem klasifikasi mendapatkan nilai akurasi sebesar 88,88%, presisi sebesar 83,34%, recall sebesar 83,33%, F1-Score sebesar 83,16%, dan loss sebesar 0,4597.

Kata Kunci: Pneumonia, Convolutional Neural Network, ResNet-50