DETEKSI GANGGUAN PARU-PARU BERBASIS CITRA X-RAY MENGGUNAKAN DEEP LEARNING
DOI:
https://doi.org/10.34818/eoe.v9i6.18937Abstract
Abstrak—Severe Acute Respiratory Syndrome Coronavirus 2 (COVID-19) adalah virus yang menyerang sistem pernapasan. World Health Organization (WHO) menyatakannya sebagai penyakit pandemi pada 11 Maret 2020. Virus corona menunjukkan kemiripan gejala dengan Pneumonia dan Tuberkulosis. Adapun gejala yang muncul yaitu sakit tenggorokan, batuk, demam, dan kesulitan dalam bernapas. Metode citra x-ray dada digunakan dalam membantu identifikasi penyakitseperti diagnosis, perawatan, dan pemeriksaan ulang. Berdasarkankan latar belakang tersebut, penulis membuat model sistem deep learning dengan metode Convolutional Neural Network dengan arsitektur Residual Network-34 untuk mengklasifikasikan empat jenis kelas penyakit paru-paru yaitu kelas COVID-19, Normal, Pneumonia, dan Tuberculosis. Masukan sistem berupa citra xray yang terdiri dari 576 citra di setiap kelas. Analisa sistem dilakukan dengan membandingkan pengaruh dari jumlah data latih dengan jumlah data uji, pengujian pre-pocessing, pengujian size input, pengujian menggunakan optimizer yang berbeda yaitu Adam, RMSprop, dan SGD, pengujian jumlah epoch, pengujian learning rate, dan pengujian batch size. Berdasarkan dari penelitian yang telah dilakukan, sistem mampu melakukan klasifikasi penyakit paru-paru menggunakan data hasil pre-processing, dengan size input 50x50, menggunakan perbandingan data latih 80% dan data uji 20%, 100% untuk akurasi pelatihan dan akurasi 95% untuk akurasi pengujian, dengan menggunakan optimizer SGD, learning rate 0.01, epoch 50 dan batch size 16. Kata kunci—Deep Learning, Convolutional Neural Network, Python, Chest X-Ray, dan ResNet-34Downloads
References
[1] Wu, F., Zhao, S., YU, B., et al. “A New Coronavirus Associated with Human Respiratory Disease in China”. Nature 579 (7798), p.265– 269, 2020.
[2] Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Cao, B. “Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China”. Lancet 395 (10223), p.497–506, 2020.
[3] Yuliana. “Corona Virus Disease (COVID-19); Sebuah Tinjauan Literatur.” Volume 2, Nomor 1, February 2020, p. 187-192. ISSN 2655-9951 (print), ISSN 2656-0062 (online), 2020.
[4] Z. Wu dan J.M. MC Gogan. “Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention”. Jama 323 (13), p.1239–1242, 2020.
[5] Tosepu, R., Effendy, D. S., Ahmad, L. O. A. I. “The First Confirmed Cases of COVID-19 in Indonesian Citizens”. ISSN: 2477-1570, 2020.
[6] M.G. Manoj, M.K. Satheesh Kumar, K.T. Valsaraj, C. Sivan, Soumya K. Vijayan. “Potential Link Between Compromised Air Quality and Transmission of the Novel Corona Virus (SARS-CoV-2) in Affected Areas”, 2020.
[7] Timah, S. “Hubungan Penyuluhan kesehatan dengan Pencegahan COVID-19 di Kelurahan kleak kecamatan Malalayang Kota Manado”. pISSN: 2622-9595 eISSN: 2623-0097. Volume 3 Nomor 1 Januari 2021.
[8] Musso, M., Gennaro, F. D., Gualano, G., Mosti, S., Cerva, C., Fard, S. N., Libertone, R., Bari, V. D., Cristofaro, M., Tonnarini, R., Castilletti, C., Goletti, D., Palmieri. F. (2021). “Concurrent cavitary pulmonary tuberculosis and COVID 19 pneumonia with in vitro immune cell anergy”. Infection (2021) 49:1061–1064.
[9] Septiyanti, I., Khalif, M. A., Anwar, E. D. “Analisis Dosis Paparan Radiasi Pada General X-Ray II Di Instalasi Radiologi Rumah Sakit Muhammadiyah Semarang”. e-ISSN 2621-7457, p-ISSN 2356-301X, 2020.
[10] Roihan, A., Sunarya, P. A., Rafika, A. S. (2020). “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review Paper”. IJCIT (Indonesian Journal on Computer and Information Technology), 2020.
[11] Pratama, P. A. H., Teguh, R., Sahay, A. S., Wilentine, V. “Deteksi COVID-19 Berdasarkan Hasil Rontgen Dada (Chest Xray) Menggunakan Python”. JOINTECOMS (Journal of Information Technology and Computer Science) Volume 1, Nomor 1, June 2021.
[12] Warobi, W. “Pengaruh Paparan Pengharum Ruangan Cair Terhadap Gambaran Histologi Bronkus Mencit (Mus Musculus) dan Sumbangsihnya pada Materi Pencemaran Lingkungan di Kelas X SMA/MA”. Skripsi Pendidikan Biologi, Fakultas Ilmu Tarbiyah dan Keguruan, Universitas Islam Negeri Raden Fatah Palembang. 2020.
[13] Soesilo, B. “Pemanfaatan Jaringan Saraf Tiruan untuk Mendeteksi Gangguan Paru-paru Menggunakan Metode Backpropagation”. Volume 3, Nomor 1, April 2010.
[14] Kurniasih, N. P. “Perancangan Sistem Akuisisi Data Berbasis Arduino untuk Pengenalan Ciri Sinyal Suara Paru dan Jantung”. Skripsi Program Studi Teknobiomedik, Fakulas Sains dan Teknologi, Universitas Airlangga, 2016.
[15] Muchtar, N. H., Herman, D., & Yulistini. “Gambaran Faktor Risiko Timbulnya Tuberkulosis Paru pada Pasien yang Berkunjung ke Unit DOTS RSUP Dr. M. Djamil Padang Tahun 2015”. Jurnal Kesehatan Andalas, 7(1), 80-87, 2018.
[16] Eldianto, M. N. D. “Implementasi Deep Learning pada Sistem Klasifikasi Penyakit Paru Berdasarkan Foto Rontgen Menggunakan Metode Convolutional Neural Network (CNN)”. Program Studi Sistem Informasi, Universitas Jember, 2019.
[17] Efni, Y., Machmud, R., & Pertiwi, D. “Faktor Risiko yang Berhubungan dengan Kejadian Pneumonia pada Balita di Kelurahan Air Tawar Barat Padang”. Jurnal Kesehatan Andalas, 5(2), 365-370. 2016.
[18] Boldog, P., Tekeli, T., Vizi, Z., Dénes, A., Bartha, F. A., & Röst, G. (2020). “Risk Assessment of Novel Coronavirus COVID-19 Outbreaks Outside China”. Journal of Clinical Medicine, 9(2).
[19] Fattah, M. S. “Deteksi Penyakit Pneumonia dan COVID-19 Menggunakan Citra X-ray dengan Metode Convolutional Neural Network (CNN) Model Google Net”. Skripsi Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya, 2021.
[20] Malaru, C. R. E., Rondo, A. G. E. Y., Wagiu, C. G. “Gambaran Hasil CT-Scan Toraks pada Pasien Coronavirus Disease 2019 (COVID-19)”. Jurnal Biomedik Universitas Sam Ratulangi. eISSN 2337-5949. Terakreditasi Nasional: SK Dirjen Penguatan Riset dan Pengembangan. KemenRistekdikti RI No. 28/E/KPT/2019 e-CliniC. 2021;9(1):212-217 DOI: https://doi.org/10.35790/ecl.9.1.2021.32416. 2021.
[21] Tobias, L., Ducournau, A., Rousseau, F., Mercier, G., & Fablet, R. (2016). “Convolutional Neural Network for Object Recognition on Mobile Devices: a Case Study”. International Conference on Pattern Recognition (ICPR) Mexico: IEEE, 2016.
[22] Abdullah, S. H. “Klasifikasi Diabetic Retinopathy Berbasis Pengolahan Citra Fundus dan Deep Learning”. Fakultas Teknik Elektro, Universitas Telkom Bandung, 2021.
[23] E. Maggiori, Y. Tarabalka, G. Charpiat, P. Alliez and S. member, "Convolutional Neural Networks for Large-Scale Remote Sensing Image Classification," IEEE Geoscience and Remote Sensing Society, vol. 55, pp. 645- 657, 2017.
[24] Powers, D. M. W. "Evaluation: From Precision, Recall, and F-Factor to ROC, Informedness, Markedness & Correlation". J. Mach. Learn., vol. 2, pp. 37-63, 2007.



