Perpustakaan Digital ITB

Paru-paru merupakan organ yang memiliki peran sangat penting dalam sistem pernapasan, dan kelainan paru-paru dapat memberikan dampak buruk bagi kesehatan tubuh. Pneumonia adalah salah satu masalah kesehatan utama di seluruh dunia, termasuk di Indonesia, khususnya pada anak-anak. Computed Tomography- scan (CT-Scan) sering digunakan di rumah sakit untuk mendeteksi kelainan pada paru-paru. Namun, CT-Scan memiliki keterbatasan ketersediaan, dan paparan radiasinya dapat merusak sistem tubuh, terutama pada anak-anak dan ibu hamil. Ultrasonografi (USG) merupakan metode pencitraan medis alternatif yang lebih aman karena tidak menggunakan radiasi ion. Keunggulan lain dari USG adalah ketersediaannya yang luas, biaya pemeriksaan yang lebih terjangkau, dan sifatnya yang portabel. Penelitian ini bertujuan untuk mengembangkan Computer Aided Diagnosis (CAD) berbasis Convolutional Neural Network (CNN) untuk klasifikasi kelainan paru- paru berdasarkan rekaman citra ultrasonografi atau lung ultrasound (LUS). Model CNN dikembangkan melalui serangkaian tahapan yang meliputi pra-pengolahan data, pemilihan arsitektur CNN, dan pengaturan pengoptimalan model CNN. Pra- pengolahan data yang digunakan mencakup pengubahan ukuran citra, normalisasi data, dan augmentasi data. Pemilihan arsitektur CNN mencakup penggunaan CNN dasar, VGG-16, ResNet-19, dan GoogleNet-V3 sebagai pre-trained CNN. Pengoptimalan model CNN dilakukan melalui pengaturan algoritma optimasi, learning rate, mini-batch size, dan epoch. Uji coba dan evaluasi fitur-fitur tersebut dilakukan dengan menggunakan citra LUS. Model CNN LUS menggunakan fitur terbaik memiliki akurasi 92,33% dan F1- Score 0,97, dengan indikasi minimnya overfitting maupun underfitting. Hasil ini menunjukkan bahwa model tersebut layak digunakan untuk mengklasifikasi citra LUS. Selain itu, telah dikembangkan aplikasi CAD untuk mempermudah penggunaan model CNN LUS dalam pendeteksian kelainan paru-paru berdasarkan citra LUS. Kata kunci: kelainan paru-paru, ultrasonografi, CAD, pra-pengolahan, CNN