Abstract:
Deteksi suatu penyakit melalui suatu citra x-ray masih bergantung pada diagnosis
tenaga medis. Deteksi secara manual berdasarkan pengamatan visual dari tenaga medis
masih banyak dilakukan untuk membaca hasil foto x-ray. Cara manual ini memiliki
kelemahan yaitu adanya keterbatasan visual dari tenaga medis sehingga dapat terjadinya
diagnosis yang salah karena hasil foto x-ray hanya dilihat secara dengan mata langsug
oleh tenaga medis. Serta membutuhkan waktu yang cukup lama saat mendiagnosis
secara manual. Pada penelitian ini dilakukan suatu perancangan sistem deteksi penyakit
pneumonia dari citra hasil x-ray menggunakan metode convolutional neural network
(CNN). Jaringan pada CNN mempunyai 2 lapisan utama, yaitu feature learning yang
terdiri dari convolution layer dan pooling layer, dan klasifikasi yang terdiri dari fully
connected layer. Dalam metode ini, nilai piksel dari masukan citra akan dikonvolusi
dengan sebuah filter pada lapisan konvolusi. serta diberlakukan fungsi aktivasi ReLU
(Rectified Linear Unit). Selanjutnya hasil keluaran dari layer konvolusi akan masuk ke
lapisan pooling untuk memperkecil ukuran spasial citra hasil foto x-ray, sehingga proses
komputasi akan menjadi lebih cepat. Pada fully connected layer akan diberlakukan
fungsi aktivasi sigmoid untuk mengklasifikasikan citra ke dalam 2 kelas, yaitu normal
dan pneumonia. Hasil akhir yang didapatkan dalam tugas akhir ini adalah performa
model yang cukup baik dengan akurasi yang didapatkan yaitu sebesar 90% untuk data
testing. Berdasarkan hasil penelitian, menunjukkan bahwa sistem dapat digunakan
untuk mendeteksi paru–paru seseorang menggunakan metode CNN.
