Abstract:
Tuberkulosis merupakan suatu penyakit infeksi berbahaya mematikan pada paru-paru dan
disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular melalui udara
ketika seorang penderita tuberkulosis batuk, bersin, atau meludah dan dapat
menyebabkan gangguan pernapasan, seperti batuk kronis dan sesak napas. Didunia,
sekitar 10 juta orang lebih setiap tahun terjangkit penyakit ini, sementara di Indonesia
sendiri pada tahun 2020 terdapat 390.000 lebih kasus tuberkulosis. Pada diagnosisnya
sering terlalu subjektif dalam mendeteksi tuberkulosis, tak jarang juga terjadi perdebatan
antara tenaga medis atau dokter unutk menetapkan pasien terinfeksi tuberkulosis. Oleh
karena itu, dibutuhkan teknologi computer vision yang dapat mendeteksi secara akurat
dan cepat. Algoritma CNN yang termasuk jenis Deep Learning yang banyak diterapkan
pada klasifikasi citra dan dapat mengungguli metode lainnya dapat dijadikan metode
dalam mendeteksi citra. Maka, dalam penelitian ini dilakukan analisis model dan
klasifikasi tuberkulosis dengan algoritma CNN mengggunakan data citra X-ray paru-paru
manusia. Pada penelitian ini metode yang digunakan adalah CRIPS-DM dan dilakukan
perbandingan 3 model CNN dengan jumlah hidden layers yang berbeda. Sebelum
komputer melatih data, data tersebut diolah terlebih dahulu pada tahapan data
preparation yang diantaranya mengubah ukuran atau resize, merubah citra menjadi
keabuan atau grayscaling, dan data augmentation. Hasil penelitian ini menunjukan
bahwa model dengan 5 hidden layers merupakan model terbaik yang berhasil
mendapatkan tingkat akurasi hingga 98%. Selanjutnya, hasil dari model terbaik tersebut
diimplementasikan pada sistem aplikasi pendeteksi tuberkulosis berbasis website yang
dapat menganalisis citra X-ray paru-paru dan mengeluarkan hasil klasifikasi dengan cepat
dan akurat.
