Deep Learning Untuk Deteksi Covid-19, Pneumonia, Dan Tuberculosis Pada Citra Rontgen Dada Menggunakan CNN Dengan Arsitektur Alexnet

Penulis

DOI:

https://doi.org/10.34818/eoe.v9i6.18932

Abstrak

Abstrak—Seperti yang kita ketahui Pneumonia pada dasarnya disebabkan oleh virus dan bakteri salah satunya bernama Mycobacterium, yaitu bakteri (penyebab TB paru). Menurut data Organisasi Kesehatan Dunia atau juga umum dikenal sebagai World Health Organization, sepuluh penyebab kematian terbesar di dunia salah satunya yaitu TB atau tuberculosis. COVID-19 adalah varian yang dapat memicu penyakit pneumonia. Gejala yang dihadapi hampir sama persis seperti gejala pneumonia dan tuberculosis seperti demam, sesak nafas dan juga serangan kronik. Pendeteksian COVID19, pneumonia, tuberculosis dilakukan dengan pengamatan manual oleh dokter ahli, sehingga rentan human error. Oleh karena itu, telah dikembangkan beberapa solusi untuk mengatasi permasalahan diagnosa penyakit ini, di antaranya dengan menggunakan metode pengolahan citra rontgen dada juga bahasa pemrograman dan menghasilkan perangkat lunak yang valid untuk digunakan diagnosa dan mengklasifikasikan ketiga penyakit tersebut, salah satunya yaitu menggunakan Convolutional Neural Network Masukan citra dataset yang diambil dari Kaggle dengan nama Chest X-Ray (Pneumonia, Covid-19, Tuberculosis) dengan total dataset yang digunakan yaitu 2304 dimana 75% citra merupakan data train dan 25% citra data test. Hasil terbaik yang didapatkan untuk setiap skenario pengujian yaitu menggunakan Optimizer Adam, Resize 64x64 pixel, Learning Rate 0,0001, Epoch 35, Batch Size 16 dengan hasil Accuracy 95% dan Loss 0,161 Kata Kunci— Convolutional Neural Network (CNN), alexnet, COVID-19, pneumonia, tuberculosis.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1]WHO “Tuberculosis and COVID-19” online tersedia https://www.who.int/teams/global-tuberculosis-programme/covid-19.

[2] Pebri Andhi Herry Pratama, Rony Teguh, Abertun Sagit Sahay, Valencia Wilentine. 2021. DETEKSI COVID-19 BERDASARKAN HASIL RONTGEN DADA (CHEST X-RAY) MENGGUNAKAN PYTHON. Jurusan Teknik Informatika, Fakultas Teknik Universitas Palangkaraya, Kalimantan Tengah, Indonesia.

[3] Noor N. Qaqos, Omar S. Kareem. 2020. COVID-19 DIAGNOSIS FROM CHEST X-RAY IMAGES USING DEEP LEARNING APPROACH. IT Department Duhok Polytechnic University.

[4]Xiaochun Wei, Zihao Zhang. 2020. Comperative Experiment of CNN Models Based on Pneumonia X-ray Image Detection. IEEE

[5] Ali Serener, Sertan Serte. 2020. Deep Learning for Mycoplasma Pneumonia Discrimination from Pneumonias like COVID-19. IEEE

[6] Kaggle “ Chest X-Ray (Pneumonia, COVID-19, Tuberculosis)” https://www.kaggle.com/jtiptj/chest-xray-pneumoniacovid19tuberculosis

[7] Imagenet Large Scale Visual Recognition Challange (ILSVRC). Diakses 10 Oktober 2020.

[8] Nurul Hidayah Nasution, Arinil Hidayah, Khoirunnisa Mardiah sari, Wirda Cahyati, Mar’atun Khoiriyah, Riska Putriani Hasibuan, Ahmad Afandi Lubis, Andi Yahya Siregar.2021. Gambaran Pengetahuan Masyarakat tentang Pencegehan COVID-19 di Kecamatan Padangsidimpuan Batun Adua, Kota Padangsidimpuan. Indonesian Health Scientific Journal

[9] Doremalen, Et Al. (2020). Aerosol And Surface Stability Of SARS-Cov-2 As Compared With SARS-Cov-1. The New England Journal Of Medicine, 382(16), Pp. 1564-7.

[10] Htun, et al. (2019). Clinical Features for Diagnosis of Pneumonia among Adults in Primary Care Setting: A Systematic and Meta-review. Scientific Reports, 9(1), pp. 7600.

[11] Campbell, I. Bah-Sow, O. (2006). Pulmonary Tuberculosis: Diagnosis and Treatment. BMJ. 332(7551), pp.1194–1197.

[12] Kementerian Kesehatan Republik Indonesia (2003). Artikel. Perlu Keterpaduan untuk Pemberantasan Tuberkulosis.

[13] Rinaldi Munir, 2018. PENGANTAR PENGOLAHAN CITRA (BAGIAN1) 47 IF4073 INTERPRETASI DAN PENGOLAHAN CITRA, Bandung: Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Indonesia.

[14] Samuel, Arthur. MACHINE VISION. McGraw-Hill. 1959.

[15] Wong, Yue-Ling (2009). Digital Media Primer - Digital, Audio, Video, Imaging, and Multimedia Programming (8th ed). Pearson International Education. ISBN 978-0-13-815582-7.

[16] Suryanto, Nur Ramadhani Kurniawan, Satria Mandala. 2019. ‘DEEP LEARNING MODERNISASI MACHINE LEARNING UNTUK BIG DATA’. Bandung: Informatika Bandung.

[17] Hanung Adi Nugroho, Julisa Bana Abraham, Aina Hubby Azira, Eka Legya Franita, Rizki Nur Fauzi, Maula Azif, E. Elsa Herdiana Murhandarwati. 2019. PERFORMANCE OF CONVOLUTIONALNEURAL NETWORK IN DETECTING PLASMODIUM PARASITES. Yogyakarta: Universitas Gajah Mada.

[18] H. Darmanto, D. Learning, T. Learning, dan G. Descent, “PENGENALAN SPESIES IKAN BERDASARKAN KONTUR OTOLITH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” juornal informatics Educ., vol. 2, 2019.

[19] A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks,” NeurIPS Proceedings, 2012.

[20] M. Alban and T. Gilligan, “Automated Detection of Diabetic Retinopathy using Fluorescein Angiography Photograph,” Stanford University, 2016.

[21] I. W. Suartika, A. Y. Wijaya, dan R. Soelaiman, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” Jurnal Teknik ITS Vol. 5, No. 1, , 2016.

[22] M. B. Bejiga, A. Zeggada, A. Nouffidj and F. Melgani, “A Convolutional Neural Network Approach for Assisting Avalanche Search and Rescue Operations with UAV Imagery”. Remote Sens. pp 5, 2016.

[23] S. Hijazi, R. Kumar and C. Rowen, “Using Convolutional Neural Networks for Image Recognition,” Remote Sens. pp 7, 2015.

[24] Burchard, 2006; Sudoyo et al., 2009

[25] “Medical Image Analysis Group (MIAG),” [Online]. Available: http://medimrg.webs.ull.es/. [Diakses 29 November 2020].

[26] B. I. Taweh, Introduction to Deep Learning Using R, San Francisco, California, USA: Apress, 2017.

[27] S. N. Kuncahyo, "Confusion Matrix untuk Evaluasi Model pada Supervised Learning," medium.com, 13 November 2019. [Online]. Available: https://medium.com/@ksnugroho/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f. [Accessed 5 Desember 2020].

[28] N. Sarang, "Understanding Confusion Matrix," towards data science, 9 Mei 2018. [Online]. Available: https://towardsdatascience.com/understanding-confusion-matrix-a9ad42dcfd62. [Accessed 5 Desember 2020].

[29] s. shubhanshi, "Confusion Matrix in Machine Learning," medium.com, 14 Desember 2018. [Online].

Available: https://medium.com/@shubhanshi.shubh860/confusion-matrix-in-machine-learning-cd7333d72f5d. [Accessed 5 Desember 2020].

[30] NK Caecar Pratiwi, Nur Ibrahim, Yunendah Nur Fu’adah, Kholidiyah Masykuroh. “Computer-Aided Detection (CAD) for COVID-19 based on Chest X-Ray Images using Convolutional Neural Network”. Electrical Engineering faculty – Telkom University, Bandung, Indonesia. ICETIR 2020, IOP Publishing.

[31] Elbert Alfredo Tjoa, I Putu Yowan Nugraha Suparta, Rita Magdalena, Nor Kumalasari CP. “The Use of CLAHE for impoving an accuracy of CNN architecture for detecting pneumonia”. ETLTC 202, SHS Web of Conferences 139.

[32] Dian Ayu N. “ANALISIS PERFORMANSI SISTEM KLASIFIKASI KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK” Telkom University, 2022

[33] Eka P. W. S., Wijaya, A. Y., Soelaiman, R., "Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101," J. Tek. ITS, vol. 5, ISSN: 2337-3539, 2016.

Diterbitkan

2022-12-01

Terbitan

Halaman

2869=2878

Bagian

Program Studi S1 Teknik Telekomunikasi

Cara Mengutip

Septhyan, S., Magdalena, R., & Pratiwi, N. K. C. (2022). Deep Learning Untuk Deteksi Covid-19, Pneumonia, Dan Tuberculosis Pada Citra Rontgen Dada Menggunakan CNN Dengan Arsitektur Alexnet. eProceedings of Engineering, 9(6), 2869=2878. https://doi.org/10.34818/eoe.v9i6.18932