Klasifikasi COVID 19 dan Pneumonia Berdasarkan Citra Chest X-Ray Dengan Menggunakan Metode Convolutional Neural Networks(CNN)

Abstract

Pada penelitian ini membahas tentang penelitian klasifikasi COVID-19 dan pneumonia berdasarkan citra X-ray paru-paru dengan menggunakan perancangan metode Convolutional Neural Network (CNN) dengan adanya penelitian ini diharapkan bisa membantu tenaga medis untuk mendeteksi penyakit pneumonia, dan COVID-19 . Sistem klasifikasi ini dibagi berdasarkan 3 kategori, yaitu X-Ray COVID-19, X-Ray pneumonia, dan X-Ray normal. Pada penelitian ini menggunakan arsitektur CNN dengan model ResNet-50 yang terdapat jumlah 47 convolution layer, 2 pooling layer, dan 1 fully connected layer. ReLu dan Softmax merupakan fungsi aktivasi yang digunakan pada penelitian ini. Melalui sistem yang sudah dirancang dengan arsitektur CNN model ResNet-50 terdapat beberapa hal yang menjadi pertimbangan penelitian seperti variasi rasio perbandingan pada data training dan testing, penggunaan data tak berimbang, dan teknik augmentasi, serta banyaknya total epoch sebesar 30 epoch, dengan begitu diperoleh rata-rata dari performance matrics seperti nilai presisi sebesar 97.6%, nilai recall sebesar 94.5%, dan nilai F1-score sebesar 95.5%. Sistem mampu mendeteksi masing-masing hasil X-Ray sesuai dengan kelasnya walaupun pada X-Ray pneumonia sistem mendeteksi adanya kemiripan dengan X-Ray normal, dan X-Ray COVID-19. Berdasarkan hasil simulasi ini sistem mampu mengklasifikasikan setiap kelas kurang dari 1 menit yang menandakan bahwa ini lebih baik daripada analisa hasil X-Ray secara manual yang memakan waktu 1 jam 20 menit.