Deteksi pneumonia berdasarkan citra radiografi toraks menggunakan Convolution Neural Network (CNN)

Abstract

Pneumonia merupakan salah satu penyebab kematian terbesar yang terjadi pada anak di dunia. Radiografi toraks menjadi salah satu pilihan pemeriksaan untuk diagnosis keberadaan pneumonia. Namun, dokter menemukan kesulitan dalam menginterpretasikan citra radiografi toraks karena ciri suatu penyakit bisa bercampur dengan ciri penyakit lain. Dalam rangka membantu pengambilan keputusan dokter, digunakan Convolution Neural Network (CNN) untuk deteksi pneumonia berdasarkan citra radiografi toraks. Data penelitian berupa citra radiografi toraks sebanyak 8.522 berdimensi 224x224 piksel dibagi menjadi dua set, yaitu set pembelajaran dan set pengujian. Pembuatan model dilakukan menggunakan transfer learning dengan arsitektur ResNet50V2 dan MobileNetV2. Hasilnya, rata-rata nilai sensitivitas model transfer learning ResNet50V2 yaitu 97,14% dan rata-rata nilai spesifisitasnya yaitu 67,43%. Sedangkan, rata-rata nilai sensitivitas dari model transfer learning MobileNetV2 yaitu 97,14% dan rata-rata nilai spesifisitasnya yaitu 69,71%.