Perpustakaan Digital ITB

Convolutional Neural Network (CNN) telah diaplikasikan secara luas untuk menganalisis citra sebagai penunjang diagnosa. Saat ini CT Scan digunakan sebagai modaliti yang paling banyak untuk diagnosa klinis. Dalam menginterpretasi citra CT Scan yang dihasilkan pada layar komputer dapat menggunakan teknik Windowing. Teknik ini berfungsi untuk memfokuskan nilai Hounsfield unit (HU) pada daerah yang ditinjau dengan mengatur Window Width (WW) dan Window Level (WL). Penelitian ini dilakukan untuk mengetahui robustness model CNN yang dibangun dalam pengenalan pola citra CT Scan dada dengan memvariasikan nilai WW dan WL. Dataset yang digunakan terbagi menjadi dua jenis yaitu citra CT Scan Covid-19 dengan jumlah 589 citra dari 190 pasien dan CT Scan tidak Covid-19 dengan jumlah 321 citra dari 76 pasien. Selanjutnya dilakukan pra pengolahan dataset citra yang terkumpul dengan memvariasikan nilai WW dan WL sehingga diperoleh 8.190 citra. Citra ini kemudian dibagi menjadi data training dan testing dengan perbandingan bobot 70:30. Model CNN yang dibangun terdiri dari parameter tetap dan tidak tetap. Parameter tetap terdiri dari: ukuruan citra 512x512, learning rate 0,001, jumlah epoch 150, dan jumlah filter konvolusi 32, 64, 128. Sedangkan parameter tidak tetap terdiri dari: ukuran kernel: 3x3 dan 5x5, hidden layer 1HL dan 3HL, jumlah neuron hidden layer 32, 64, 128, dan bobot dropout 20% dan 50%. Dari kedua parameter tersebut diperoleh 8 skenario yang digunakan untuk menguji tingkat robustness CNN dengan meninjau akurasi, presisi, dan fluktuasi model. Hasil penelitian menunjukkan terjadi fluktuasi akurasi dan presisi data training yang cukup kecil saat epoch 1 sampai dengan 4 pada skenario model 1, 2, dan 4 hanya untuk beberapa nilai WW dan WL, hal ini disebabkan karena menggunakan pembagian bobot yang sudah optimal. Adapun hasil pengujian skenario model 1 sampai dengan 8 untuk keseluruhan nilai WW dan WL diperoleh nilai akurasi model pada rentang 99,65% sampai dengan 99,98% dan presisi model pada rentang 99,73% sampai dengan 99,98%. Berdasarkan hasil penelitian ini maka dapat disimpulkan bahwa nilai akurasi dan presisi untuk keseluruhan variasi nilai WW dan WL selalu stabil dalam rentang 99,65% sampai dengan 99,98% keadaan ini menunjukkan bahwa model CNN yang diterapkan pada pengenalan pola citra CT Scan dada memiliki tingkat robustness yang sangat baik.