DETEKSI PNEUMONIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

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.