Klasifikasi Penyakit Paru Berdasarkan Citra Rontgen Menggunakan Convolutional Neural Network dengan Arsitektur Resnet-152

Abstract

Penyakit paru merupakan salah satu penyakit yang menyerang sistem pernafasan yang disebabkan oleh bakteri, virus, jamur, ataupun parasit dan berakibat sangat fatal apabila tidak segera di tangani. Gejala yang di timbulkan adalah batuk berdahak, sesak nafas, mengi, bahkan kematian. Pengamatan kondisi paru-paru pasien dapat dilakukan melalui foto rontgen (X-rays). Namun, deteksi penyakit yang cukup lama dapat meningkatkan persebaran penyakit, sehingga dikembangkan sistem klasifikasi penyakit paru berbasis komputer. Citra diklasifikasi menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-152. Tujuan pada penelitian ini adalah menguji kinerja CNN dengan arsitektur ResNet-152. Data diperoleh dari platform Kaggle sejumlah 2000 citra, yang terdiri atas 500 citra paru-paru normal, 500 citra paruparu pneumonia, 500 citra paru-paru tuberkulosis dan 500 citra paru-paru Covid19. Data dibagi menjadi data latih dan data uji dengan skenario pembagian data 90:10, 80:20 dan 70:30 dengan epoch 25, 50 dan 100. Fungsi aktivasi CNN menggunakan fungsi Rectifier Linear Unit (ReLU), fungsi optimasi Adam. Berdasarkan hasil pengujian, diperoleh rata-rata nilai akurasi terbaik pada skenario data 90:10 dengan epoch 100 dengan hasil rata rata sebesar 93%, dengan nilai akurasi data 93%, Precision 93%, Recall 93%, dan F-1 Score 93% dan rata rata terendah pada skenario data 80:20 dengan akurasi 84%, Precision 86%, Recall 84%, dan F-1 Score 84%