Identifikasi Penyakit COVID-19 dan Tuberkulosis Menggunakan Metode Convolutional Neural Network Arsitektur GoogLeNet Berdasarkan Citra Rontgen Thorax

Retry Asykurani Abdillah, Hasanuddin Hasanuddin, Dwiria Wahyuni

Abstract


Penelitian identifikasi penyakit COVID-19 dan tuberkulosis berdasarkan rontgen thorax dengan metode convolutional neural network (CNN) arsitektur GoogLeNet telah dilakukan untuk menganalisis dan meningkatkan nilai akurasi dari penelitian CNN GoogLeNet dalam mengidentifikasi penyakit COVID-19 dan tuberkulosis.  Data penelitian diperoleh dari situs Kaggle yang terdiri dari 700 citra COVID-19, 700 citra normal, dan 700 citra tuberkulosis. Metode CNN GoogLeNet dalam mengidentifikasi citra dimulai dari tahapan augmentasi, pelatihan, dan pengujian. Tahap augmentasi diawali dengan mengecilkan dan memotong citra hingga berukuran 224×224 piksel, membuat citra dirotasi secara acak 5⁰ dan citra dibalik posisinya secara horizontal serta citra akan digeser secara acak sebesar 0,08 berdasarkan kemiringan 0,2⁰. Tahapan pelatihan dan pengujian menggunakan hyperparameter yang terdiri atas batch size (16, 32, dan 64), epoch (10, 30, dan 50), cross entropy loss, optimizer (Adam), dan learning rate 0,0001.  Hasil penelitian menunjukkan bahwa CNN GoogLeNet mengidentifikasi penyakit berdasarkan derajat keabuan yang dimiliki oleh citra melalui proses feature learning dan classification. Derajat keabuan pada citra berkisar antara 0-255 sedangkan yang dimiliki penyakit COVID-19 dominan pada >200-255, penyakit tuberkulosis dominan pada >100-255, dan kondisi paru-paru normal dominan pada >0-100. Hasil penelitian berdasarkan proses klasifikasi pengujian menghasilkan akurasi 97% (batch size 16 dan epoch 10), 98% (batch size 16 dan epoch 30), 97% (batch size 16 dan epoch 50), 96% (batch size 32 dan epoch 10), 98% (batch size 32 dan epoch 30), 96% (batch size 32 dan epoch 50), 96% (batch size 64 dan epoch 10), 96% (batch size 64 dan epoch 30), dan 97% (batch size 64 dan epoch 50).

 

Kata Kunci : Citra Rontgen, CNN, COVID-19, GoogLeNet, Tuberkulosis


Full Text:

PDF

References


A. Narin, C. Kaya, and Z. Pamuk, “Automatic detection of coronavirus disease (COVID-19) using X-ray images and deep convolutional neural networks,” Pattern Anal. Appl., vol. 24, no. 3, pp. 1207–1220, 2021, doi: 10.1007/s10044-021-00984-y.

Y. Agussationo, I. Soesanti, and W. Najib, “Klasifikasi Citra X-Ray Diagnosis Tuberkulosis Berbasis Fitur Statistis,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 3, pp. 736–745, 2018, doi: 10.29207/resti.v2i3.523.

S. Purba, J., S. Zasneda, S., and S. Saragih, R., “Teknik Pemeriksaan Thorax Proyeksi Pa ( Posterior- Anterior ) Dengan Kasus Tb ( Tuberculosis ) Militer Di Instalasi Radiologi Rumah Sakit Efarina Etaham Berastagi,” Morenal Unefa J. Radiol., vol. 7, no. 1, pp. 1–10, 2019.

L. Tobias, A. Ducournau, F. Rousseau, G. Mercier, and R. Fablet, “Convolutional Neural Networks for object recognition on mobile devices: A case study,” Proc. - Int. Conf. Pattern Recognit., no. December, 2016, doi: 10.1109/ICPR.2016.7900181.

M. S. Fattah, “Deteksi Penyakit Pneumonia dan COVID-19 Menggunakan Citra X-Ray dengan Metode Convolutional Neural Network (CNN) Model GoogleNet,” UIN Sunan Ampel Surabaya, 2021. [Online]. Available: http://digilib.uinsby.ac.id/id/eprint/49030%0Ahttp://digilib.uinsby.ac.id/49030/2/M. Syaifulloh Fattah_H72217031.pdf

S. Bahri, R. Wajhillah, and M. F. Adiwisastra, “Diagnosa Tuberculosis Paru Berbasis Citra X-ray Menggunakan Convolutional Neural Network,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. September, pp. 181–186, 2021.

B. P. Hartato, “Penerapan Convolutional Neural Network pada Citra Rontgen Paru-Paru untuk Deteksi SARS-CoV-2,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 747–759, 2021, doi: 10.29207/resti.v5i4.3153.

M. Saiful, L. M. Samsu, and Fathurrahman, “Sistem Deteksi Infeksi COVID-19 Pada Hasil X-Ray Rontgen menggunakan Algoritma Convolutional Neural Network (CNN),” Infotek J. Inform. dan Teknol., vol. 4, no. 2, pp. 217–227, 2021, doi: 10.29408/jit.v4i2.3582.

N. Yudistira, A. W. Widodo, and B. Rahayudi, “Deteksi Covid-19 pada Citra Sinar-X Dada Menggunakan Deep Learning yang Efisien,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, p. 1289, 2020, doi: 10.25126/jtiik.2020763651.

Jahandad, S. M. Sam, K. Kamardin, N. N. Amir Sjarif, and N. Mohamed, “Offline signature verification using deep learning convolutional Neural network (CNN) architectures GoogLeNet inception-v1 and inception-v3,” Procedia Comput. Sci., vol. 161, pp. 475–483, 2019, doi: 10.1016/j.procs.2019.11.147.

C. Szegedy et al., “Going Deeper with Convolutions,” CVF IEEE Xplore, pp. 1–8, 2015.




DOI: https://doi.org/10.26418/pf.v11i3.65228

Refbacks

  • There are currently no refbacks.


Diterbitkan oleh:                                                                    Berkerjsama dengan:                                    

                                                                    

Jurusan Fisika FMIPA UNTAN                   Perkumpulan Akademisi dan Saintis Indonesia, Kalimantan Barat

Alamat Redaksi:
Jalan Prof. Dr. H. Hadari Nawawi
Komp. FMIPA UNTAN Pontianak, Kalbar, 78124
Email: prismafisika@physics.untan.ac.id

 

  Flag Counter