Perpustakaan Digital ITB

Penemuan sinar-X memberikan dampak yang sangat besar terutama dalam bidang medis dalam melakukan diagnosis dan juga pengobbatan terapi seperti membunuh sel kanker. Dalam penggunaan diagnosis, sinar-X dapat digunakan untuk melakukan pemeriksaan terhadap pasien yang memiliki gangguan pada organ dalam. Pneumonia merupakan peradangan paru-paru yang disebabkan oleh bakteri, virus, ataupun fungi. Pneumonia menyebabkan alveoli pada paru-paru tersumbat karena cairan lendir yang berupa jaringan mati ataupun bakteri. Pada prosedur foto rontgen, bagian yang terinfeksi pada paru-paru merupakan area konsolidasi yang akan terlihat pada hasil citra X-ray. Dengan mengaplikasikan metode deep learning, citra X-ray yang dihasilkan menjadi sejumlah data yang dapat dilatih untuk melakukan identifikasi pada citra X-ray mendatang guna membantu dalam pengecekan kemungkinan apakah pasien memiliki pneumonia atau tidak. Dengan memanfaatkan salah satu metode deep learning, yaitu convolutional neural network (CNN), Citra X-ray berupa input dapat diklasifikasikan. CNN merupakan sebuah arsitektur neural network yang terdiri dari matriks tiga dimensi yang saling terhubung antara tiap layer sesudah dan sebelumnya. Pada Tugas Akhir ini, tipe CNN yang digunakan adalah Densely Connected Convolutional Network dengan kegunaan dalam klasifikasi citra dalam bentuk arsitektur DenseNet-169. Hasil prediksi yang diperoleh untuk dua kelas dengan learning rate 10-6 adalah 88.4% dan untuk prediksi tiga kelas adalah 86.3%. Dari program yang telah dibuat diujicobakan untuk melihat perbedaan performa model dengan variasi batch-size. Hasil yang didapat memperlihatkan performa dengan batch-size yang lebih kecil memberikan hasil yang terbaik namun memakan waktu yang lebih lama saat pelatihan model neural network.