IDENTIFIKASI PENYAKIT PNEUMONIA BERDASARKAN CITRA CHEST X-RAY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Nadya Putri Ekananda
Universitas Gunadarma
Indonesia
Desti Riminarsih
https://www.scopus.com/authid/detail.uri?authorId=56084732100
Universitas Gunadarma
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2022.v27i1.6487

Article Submitted: 13 June 2022

Article Published: 20 June 2022

Abstract

Perkembangan teknologi digital telah mempengaruhi banyak bidang. Salah satunya dalam bidang kesehatan. Teknologi digital dalam bidang kesehatan banyak digunakan untuk menganalisis organ tubuh manusia bagian dalam yang sulit dilihat, menemukan obat yang tepat untuk mengobati penyakit, mendiagnosa penyakit dan masih banyak lagi. Salah satu hasil pemeriksaan yang dimanfaatkan oleh teknologi adalah hasil citra X-ray. Penyakit yang menggunakan hasil citra X-ray salah satunya adalah pneumonia. Pneumonia adalah infeksi akut pada jaringan paru-paru (alveoli). Gejala pneumonia adalah demam, sesak nafas, dahak berwarna kehijauan, serta gambaran hasil chest X-ray memperlihatan kepadatan pada bagian paru. Hasil citra chest X-ray diperiksa secara manual dan membutuhkan pencahayaan yang baik oleh dokter. Oleh karena itu, tujuan penelitian ini adalah mengimplementasikan algoritma Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit pneumonia berdasarkan citra chest X-ray yang didahului dengan peningkatan kualitas citra menggunakan histogram equalization. Pada model convolutional neural network ini digunakan 5.879 citra chest X-ray, diantaranya 5.255 citra chest X-ray untuk pelatihan dan 624 citra chest X-ray digunakan untuk pengujian. Pada proses pelatihan model diperoleh tingkat akurasi sebesar 97,16%. Pada pengujian model diperoleh tingkat akurasi sebesar 88.46%.

Keywords
Citra chest X-ray; Convolutional Neural Network; Deep Learning; Identifikasi; Pneumonia
References

Riminarsih, C.M. Karyati, A.B. Mutiara, dan B. Wahyudi., “Wall shear stress calculation based on MRI image in patients with abdominal aortic aneurysm (AAA),” 2016 International Conference on Informatics and Computing (ICIC), 2016, hal. 442-446.

Riminarsih, C.M. Karyati, A.B. Mutiara, B. Wahyudi, Ernastuti, “MRI Sagittal Image Segmentation from Patients with Abdominal Aortic Aneurysms,” TELKOMNIKA (Telecommunication Computing Electronics and Control), vol.14, no.3, hal.1105-1112, 2016.

Aldina, R. D. Atmaja, and H. Fauzi, “Simulasi dan Analisis Sistem Klasifikasi Kepadatan Tulang Menggunakan Citra X-ray,” J.Teknik Telekomunikasi., vol. 5, no. 1, pp. 2355-9365, 2018.

Warganegara, Pneumonia Nosokomial(Hospital-acquired, Ventilator-associated, dan Health Care-associated Penumonia), JK UNILA, vol.1, no. 3, hal.612-618, 2017.

Indrisari, 100% Sembuh Tanpa Dokter. Yogyakarta: Pustaka Grahatama, 2009.

Riset Kesehatan Dasar (RISKESDAS), Pedoman Pewawancara Petugas Pengumpul Data. Jakarta: Badan Litbangkes, Depkes RI, 2013.

Sulung, H. Hasyim, dkk., Gambaran Pneumonia Sebagai Penyebab Morbiditas Dan Mortalitas Pada Anak Bawah Lima Tahun,” Jurnal Kesehatan, vol.12, no. 2, hal. 616 – 631, 2021.

A. Wikanargo, dan A. P. Thenata, ”Segmentasi Citra Chest X-rays untuk Pengenalan Pola Abnormalitas pada Paru-Paru Menggunakan Metode Fuzzy C-Means,” JUTEI, vol.2, no.2, hal. 101 – 111, 2018.

Rahmadewi and R. Kurnia, “Klasifikasi Penyakit Paru Berdasarkan Citra Rontgen Dengan Metoda Segmentasi Sobel,” J. Nas. Teknik Elektro., vol. 5, no. 1, pp. 2309 – 2949, 2016.

T. Ahmed, C. S. Der, N. Jamil, dan M. A. Mohamed, “Improve of contrast-distorted image quality assessmentbased on convolutional neural networks,” International Journal of Electrical and Computer Engineering (IJECE), vol. 9, no. 6, hal. 5604-5614, 2019.

M.D. Maysanjaya,” Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi , vol. 9, no. 2, hal. 190-195, 2020.

Christanto, “Klasifikasi Pneumonia Menggunakan CNN,” Skripsi Univ. Sumatera Utara, 2018.

K. Manaswi, Deep Learning With Apllication Using Python, Chatbots and Face, Object, and Speech Recognition With Tensor Flow and Keras, Karnataka: Apress, 2018.

Kermany, K. Zhang, dan M. Goldbaum, Large Dataset of Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images , [Daring] , Tersedia : https://data.mendeley.com/datasets/rscbjbr9sj/3, [Diakses : 25 Maret 2019].

B. Brown,” Classifiers and their Metrics Quantified,” Molecular Informatic, vol.37, hal. 1-11, 2018.

Information
PDF
1076 times PDF : 1838 times