IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PENYAKIT TBC BERBASIS DEKSTOP

Suharni Suharni, Eel Susilowati, Taufiq Muldan Hidayat

Abstract

Penyakit Tuberkulosis (TBC) merupakan salah satu penyakit yang masih menjadi
masalah utama di negara berkembang seperti Indonesia. Tuberkulosis (TBC) adalah
penyakit yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Tuberkulosis
menyerang paru-paru dan dapat mengifneksi orang lain. Penyakit ini bersifat menular.
Radiologi termasuk salah satu pemeriksaan diagnosis yang dapat dilakukan pada
penyakit TB-paru. Dengan menganalisa citra x-ray hasil rontgen pada dada tubuh
seseorang, maka para dokter dapat melakukan proses diagnosa penyakit TBC.
Permasalahan yang terjadi adalah diagnosa penyakit TBC masih dilakukan secara
manual oleh dokter. Tujuan penelitian ini adalah mengimplementasikan model
Convolutional Neural Network (CNN) untuk klasifikasi penyakit TBC berbasis dektop.
Untuk mengoptimalkan model tersebut menggunakan optimizer Stochastic Gradient
Descent (SGD). Model CNN optimal yang diimplementasikan bisa membantu dokter
dalam proses identifikasi hasil rontgen menggunakan proses komputerisasi. Hasil
identifikasi ini dapat mengklasifikasi apakah seseorang mempunyai penyakit tbc atau
tidak. Dataset didapat dari website kaggle.com berjumlah 240 data yang terdiri dari
160 data latih dan atau 80 data uji. Citra yang digunakan berukuran 128x128 piksel.
Pelatihan model menggunakan 50 epochs dan learning rate 0.01. Hasil pelatihan
tersebut mendapatkan nilai akurasi sebesar 98.75%. Implementasi model CNN pada
uji coba aplikasi menggunakan 15 citra x-ray yang terdiri dari 8 citra x-ray normal
dan 7 citra x-ray TBC menunjukan bahwa semua prediksi berdasarkan sistem dan
aktual hasilnya sesuai.

Full Text:

PDF