DETEKSI GANGGUAN PARU-PARU BERBASIS  CITRA X-RAY MENGGUNAKAN DEEP LEARNING

OLYVIA FERNANDA SOEDRADJAT

Informasi Umum

Kode

22.04.2210

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing, Machine Learning,

Dilihat

394 kali

Informasi Lainnya

Abstraksi

Severe Acute Respiratory Syndrome Coronavirus 2 (COVID-19) adalah virus yang menyerang sistem pernapasan. Virus ini telah menyebar ke seluruh dunia, dan World Health Organization (WHO) menyatakannya sebagai penyakit pandemi pada 11 Maret 2020. Virus corona menunjukkan kemiripan gejala dengan Pneumonia dan Tuberkulosis. Adapun gejala yang biasa muncul yaitu sakit tenggorokan, batuk, demam, dan kesulitan dalam bernapas. Metode citra x-ray dada digunakan dalam membantu identifikasi penyakit. Citra x-ray dada digunakan untuk diagnosis, perawatan, dan pemeriksaan ulang. Berdasarkankan latar belakang yang telah disampaikan, penulis membuat sebuah model sistem Deep Learning dengan metode Convolutional Neural Network (CNN) dengan arsitektur Residual Network-34 (ResNet-34) untuk mengklasifikasikan empat jenis kelas penyakit paru-paru yaitu kelas COVID-19, Pneumonia, Tuberculosis (TBC), dan Normal. Masukan sistem berupa citra x-ray yang terdiri dari 2.304 data citra yang dibagi rata menjadi 576 citra di setiap kelas. Analisa sistem dilakukan dengan membandingkan pengaruh dari perbandingan jumlah data latih dengan jumlah data uji, pengaruh uji pre-processing, pengaruh pengujian size input yang berbeda, pengaruh pengujian menggunakan optimizer yang berbeda yaitu Adam, RMSprop, dan SGD, pengaruh pengujian jumlah epoch, pengaruh pengujian learning rate, dan pengaruh pengujian batch size. Berdasarkan dari penelitian yang telah dilakukan, mendapatkan hasil akhir berupa sistem yang mampu melakukan klasifikasi penyakit paru-paru dengan menggunakan data hasil pre-processing, dengan size input 50x50, menggunakan jumlah perbandingan data latih 80% dan data uji 20%, 100% untuk akurasi pelatihan dan akurasi 95% untuk akurasi pengujian, dengan menggunakan optimizer SGD, learning rate 0.01, epoch 50 dan batch size 16.

Kata Kunci: Deep Learning, Convolutional Neural Network, Python, Chest XRay, dan ResNet-34