DETEKSI PENYAKIT PNEUMONIA BERBASIS CITRA X-RAY MENGGUNAKAN CNN ARSITEKTUR VGG-19

ILHAM GUSMANDA

Informasi Umum

Kode

23.04.3213

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Pengolahan Sinyal Informasi

Dilihat

537 kali

Informasi Lainnya

Abstraksi

<h1 align="center">ABSTRAK</h1>

Pneumonia menjadi salah satu masalah kesehatan di seluruh dunia yang menjadi penyebab kematian. Pneumonia dapat diidentifikasi dengan melihat foto x-ray dada. Namun, kemungkinan diagnosis Pneumonia ini dapat terjadinya kesalahan dalam identifikasi penyakit Pneumonia secara manual. Maka dimanfaatkan sistem citra berbasis komputer untuk membantu dalam mendiagnosis Pneumonia sehingga meminimalkan kesalahan dan mempercepat proses dalam identifikasi Pneumonia. Salah satu metode dalam sistem pengelolahan citra berbasis komputer yang berfungsi untuk mendeteksi Pneumonia yaitu dengan Convolutional Neural Network (CNN).

Pada tugas akhir ini, dilakukan pengujian menggunakan citra chest x-ray untuk deteksi Pneumonia dengan Convolitional Neural Network (CNN). Arsitektur yang digunakan adalah VGG-19. Dataset yang digunakan berjumlah 5.840 Citra. Citra yang digunakan pada penelitian ini terbagi menjadi 2 kelas yaitu normal dan Pneumonia. Citra tersebut akan dilakukan preprocessing resize yaitu mengubah Size Citra, Optimizer, Learning Rate, Epoch, dan Batch Size. Pembagian citra akan terbagi menjadi 80% data training dan 20% data testing.

Hasil yang didapat pada tugas akhir ini diperoleh dengan parameter terbaik yaitu Size citra 64 × 64, Optimizer RMSprop, Learning Rate 0.0001, Epoch 20, dan Batch size 16. Dengan hasil performansi yaitu akurasi 92.95%, nilai Loss 0.2223, nilai presisi 93%, nilai recall 93%, dan nilai f1 score 93%.

Kata Kunci : Pneumonia, Convolutional Neural Network (CNN), VGG-19, Size Citra, Optimasi, Learning Rate, Epoch, Batch Size.