DEEP LEARNING UNTUK DETEKSI COVID-19, PNEUMONIA, DAN TUBERCULOSIS PADA CITRA RONTGEN DADA MENGGUNAKAN CNN DENGAN ARSITEKTUR ALEXNET

SENDHY SEPTHYAN

Informasi Umum

Kode

22.04.2213

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 - Signal Processing, Machine Learning,

Dilihat

265 kali

Informasi Lainnya

Abstraksi

Seperti yang kita ketahui Pneumonia pada dasarnya disebabkan oleh virus dan bakteri salah satunya bernama Mycobacterium, yaitu bakteri (penyebab TB paru). Menurut data Organisasi Kesehatan Dunia atau juga umum dikenal sebagai World Health Organization (WHO), sepuluh penyebab kematian terbesar di dunia salah satunya yaitu TB atau tuberculosis. Selain itu terdapat varian penyakit baru yang sedang kita hadapi diseluruh dunia sekarang yaitu COVID-19 yang dapat memicu penyakit pneumonia. Gejala yang dihadapi hampir sama persis seperti gejala pneumonia dan tuberculosis seperti demam, sesak nafas dan juga serangan kronik.

Proses deteksi adanya COVID19, pneumonia, tuberculosis dilakukan dengan pengamatan manual oleh dokter ahli, sehingga rentan human error. Oleh karena itu, telah dikembangkan beberapat solusi untuk mengatasi permasalahan diagnosa penyakit COVID19, pneumonia, dan juga tuberculosis ini, di antaranya adalah dengan menggunakan metode pengolahan citra rontgen dada juga menggunakan bahasa pemrograman dan menghasilkan perangkat lunak yang valid untuk digunakan diagnosa dan mengklasifikasikan ketiga penyakit tersebut yaitu menggunakan Convolutional neural network (CNN).

Sistem dirancang menggunakan metode CNN dengan arsitektur Alexnet berdasarkan citra rontgen dada sebagai masukannya. Masukan citra dataset yang diambil dari Kaggle dengan nama “Chest X-Ray (Pneumonia, Covid-19, Tuberculosis)” dengan total dataset yang digunakan yaitu 2304 dimana 75% citra merupakan data train dan 25% citra data test. Hasil terbaik yang didapatkan untuk setiap skenario pengujian yaitu menggunakan Optimizer Adam, Resize 64x64 pixel, Learning Rate 0,0001, Epoch 35, Batch Size 16 dengan hasil Accuracy 95% dan Loss 0,161

Kata Kunci: Convolutional Neural Network (CNN), Alexnet, COVID-19, Pneumonia, Tuberculosis.