Klasifikasi Penyakit Pneumonia Dan Covid-19 Berbasis Citra X-ray Menggunakan Arsitektur Deep Residual Network

Abstract

Abstrak—Pneumonia dan COVID-19 merupakan jenis penyakit yang dapat menginfeksi paru-paru dan bahkan menyebabkan kematian. Kedua jenis penyakit yang hampir mirip sehingga menjadi sulit untuk dibedakan. Terdapat berbagai metode untuk mendiagnosis penyakit pneumonia dan COVID-19. Salah satunya adalah dengan melihat hasil citra X-Ray. Dalam prosesnya dibutuhkan sistem yang otomatis dan akurat. Pada penelitian ini deep learning dengan model arsitektur residual network diimplementasikan ke dalam sistem untuk mengklasifikasikan data citra X-Ray menjadi tiga kelas, yaitu: Normal, Pneumonia, dan COVID-19. Ketiga data tersebut dilakukan tahapan preprocessing resize dan CLAHE. Total dataset yang digunakan untuk pelatihan, dan validasi, yaitu sebanyak 3097 citra dan tes sebanyak 233 citra X-Ray. Terdiri dari 1032 citra X-Ray pneumonia, 1032 citra X-Ray positif COVID-19, serta 1033 citra X-Ray normal. Penelitian dilakukan dengan melatih model ResNet-34, ResNet-50, dan ResNet-101. Dengan menggunakan optimizer Adam, Adamax, Nadam, dan SGD. Dari semua eksperimen, hasil terbaik didapatkan oleh model ResNet-101 menggunakan optimizer Adam, dengan akurasi validasi sebesar 91,2%. Usulan metode ini dievaluasi menggunakan presisi, recall, F1-score, dengan hasil masing-masing sebesar 0.81, 0.79, 0.79, dan akurasi test terbaik sebesar 79,91%.
Kata Kunci—pneumonia, COVID-19, citra x-ray, deep learning, resnet