Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network
Pneumonia merupakan salah satu penyakit paru-paru yang disebabkan oleh bakteri, virus, jamur, ataupun parasit. Kantung udara dipenuhi oleh cairan sehingga menyebabkan sesak dan batuk berdahak. Pengamatan kondisi paru-paru pasien dilakukan paramedis melalui foto rontgen (X-rays). Namun, kualitas citr...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Gadjah Mada
2020-05-01
|
| Series: | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| Subjects: | |
| Online Access: | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/66 |
| _version_ | 1818610682121158656 |
|---|---|
| author | I Md. Dendi Maysanjaya |
| author_facet | I Md. Dendi Maysanjaya |
| author_sort | I Md. Dendi Maysanjaya |
| collection | DOAJ |
| description | Pneumonia merupakan salah satu penyakit paru-paru yang disebabkan oleh bakteri, virus, jamur, ataupun parasit. Kantung udara dipenuhi oleh cairan sehingga menyebabkan sesak dan batuk berdahak. Pengamatan kondisi paru-paru pasien dilakukan paramedis melalui foto rontgen (X-rays). Namun, kualitas citra rontgen terkadang kurang optimal, sehingga dikembangkan sistem otomatisasi berbasis CAD. Pada makalah ini, ditawarkan sebuah dataset baru tentang citra foto toraks untuk kasus pneumonia. Citra diklasifikasi menggunakan metode Convolutional Neural Network (CNN). Tujuan dari makalah ini adalah menguji kinerja CNN dalam menangani dataset baru. Data diperoleh dari platform Kaggle sejumlah 5.840 citra, yang terdiri atas 1.575 citra paru-paru normal dan 4.265 citra paru-paru pneumonia. Data dibagi menjadi data latih dan data uji, dengan jumlah data secara berurutan 5.216 citra dan 624 citra. Fungsi aktivasi CNN menggunakan fungsi Rectifier Linear Unit (ReLU), fungsi optimasi Adam, dan epoch sebanyak 200. Berdasarkan hasil pengujian, diperoleh rata-rata nilai akurasi dan rata-rata nilai loss secara sekuensial sebesar 89,58% dan 47,43%. Hasil pengujian ini menunjukkan bahwa metode CNN cukup mampu untuk melakukan klasifikasi kasus pneumonia. |
| first_indexed | 2024-12-16T15:18:19Z |
| format | Article |
| id | doaj.art-a0a760c5f75d467ba77c795438cff103 |
| institution | Directory Open Access Journal |
| issn | 2301-4156 2460-5719 |
| language | English |
| last_indexed | 2024-12-16T15:18:19Z |
| publishDate | 2020-05-01 |
| publisher | Universitas Gadjah Mada |
| record_format | Article |
| series | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| spelling | doaj.art-a0a760c5f75d467ba77c795438cff1032022-12-21T22:26:44ZengUniversitas Gadjah MadaJurnal Nasional Teknik Elektro dan Teknologi Informasi2301-41562460-57192020-05-019219019510.22146/jnteti.v9i2.6666Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural NetworkI Md. Dendi Maysanjaya0Universitas Pendidikan GaneshaPneumonia merupakan salah satu penyakit paru-paru yang disebabkan oleh bakteri, virus, jamur, ataupun parasit. Kantung udara dipenuhi oleh cairan sehingga menyebabkan sesak dan batuk berdahak. Pengamatan kondisi paru-paru pasien dilakukan paramedis melalui foto rontgen (X-rays). Namun, kualitas citra rontgen terkadang kurang optimal, sehingga dikembangkan sistem otomatisasi berbasis CAD. Pada makalah ini, ditawarkan sebuah dataset baru tentang citra foto toraks untuk kasus pneumonia. Citra diklasifikasi menggunakan metode Convolutional Neural Network (CNN). Tujuan dari makalah ini adalah menguji kinerja CNN dalam menangani dataset baru. Data diperoleh dari platform Kaggle sejumlah 5.840 citra, yang terdiri atas 1.575 citra paru-paru normal dan 4.265 citra paru-paru pneumonia. Data dibagi menjadi data latih dan data uji, dengan jumlah data secara berurutan 5.216 citra dan 624 citra. Fungsi aktivasi CNN menggunakan fungsi Rectifier Linear Unit (ReLU), fungsi optimasi Adam, dan epoch sebanyak 200. Berdasarkan hasil pengujian, diperoleh rata-rata nilai akurasi dan rata-rata nilai loss secara sekuensial sebesar 89,58% dan 47,43%. Hasil pengujian ini menunjukkan bahwa metode CNN cukup mampu untuk melakukan klasifikasi kasus pneumonia.https://jurnal.ugm.ac.id/v3/JNTETI/article/view/66identifikasipneumoniacitra x-raysparu-paruconvolutional neural network |
| spellingShingle | I Md. Dendi Maysanjaya Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network Jurnal Nasional Teknik Elektro dan Teknologi Informasi identifikasi pneumonia citra x-rays paru-paru convolutional neural network |
| title | Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network |
| title_full | Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network |
| title_fullStr | Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network |
| title_full_unstemmed | Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network |
| title_short | Klasifikasi Pneumonia pada Citra X-rays Paru-paru dengan Convolutional Neural Network |
| title_sort | klasifikasi pneumonia pada citra x rays paru paru dengan convolutional neural network |
| topic | identifikasi pneumonia citra x-rays paru-paru convolutional neural network |
| url | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/66 |
| work_keys_str_mv | AT imddendimaysanjaya klasifikasipneumoniapadacitraxraysparuparudenganconvolutionalneuralnetwork |