DETEKSI PNEUMONIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN)

• NURAENI HERLINAWATI
• 14002314

---

ABSTRAK

ABSTRAK

 

Nama                     :

Nuraeni Herlinawati

 

NIM                      :

14002314

Program Studi       :

Ilmu Komputer

Jenjang                     :

Strata Dua (S2)

Konsentrasi                :

Data Mining

Judul                      :

“Deteksi Pneumonia dengan Convolutional Neural Network (CNN)”

 

Paru-paru adalah salah satu organ penting pada sistem pernapasan yang berfungsi sebagai tempat bertukarnya oksigen (O2) dengan karbon dioksida (CO2) didalam darah. Pneumonia disebabkan oleh bakteri, virus, jamur ataupun parasit dimana alveoli yang bertugas untuk menyerap oksigen dari udara menjadi meradang dan dipenuhi dengan air atau cairan lendir, sehingga pneumonia sering kali disebut dengan paru-paru basah. WHO menyatakan bahwa pada tahun 2017 terdapat lebih dari 800.000 anak-anak meninggal akibat pneumonia. Salah satu diagnosis penyakit pneumonia adalah dengan rontgen atau x-ray. Penelitian ini mendeteksi pneumonia melalui hasil citra x-ray menggunakan algoritma CNN (Convolutional Neural Network) untuk mengklasifikasikan gambar sehingga dapat mendeteksi apakah seseorang menderita pneumonia atau tidak, dalam waktu yang lebih singkat dan akurasi yang lebih tinggi dibandingkan dengan metode manual, agar dapat memberikan penanganan yang benar dan tepat waktu kepada orang tersebut. Pada penelitian ini memperoleh akurasi sebesar 0,9642.

 

Kata kunci: Pneumonia, Klasifikasi, Rontgen Dada, Convolutional Neural Network

KATA KUNCI

Neural Network

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      C. Wijaya, H. Irsyad, and W. Widhiarso, “Klasifikasi Pneumonia Menggunakan Metode K- Nearest Neighbor Dengan Ekstraksi GLCM,” J. Algoritm., vol. 1, no. 1, pp. 33–44, 2020.

[2]      F. Nurin and  dr. M. Yosia, “Pneumonia,” hellosehat, 2020. https://hellosehat.com/pernapasan/pneumonia/pengertian-pneumonia (accessed Nov. 20, 2020).

[3]      R. Halodoc, “X-Ray,” halodoc, 2020. https://www.halodoc.com/kesehatan/x-ray (accessed Nov. 20, 2020).

[4]      H. Sharma, J. S. Jain, P. Bansal, and S. Gupta, “Feature Extraction and Classification of Chest X-Ray Images Using CNN to Detect Pneumonia,” 2020 10th Int. Conf. Cloud Comput. Data Sci. Eng., pp. 227–231, 2020.

[5]      P. Mooney, “Chest X-Ray Images (Pneumonia),” 2018. [Online]. Available: https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia.

[6]      B. Santoso, A. I. S. Azis, and Z. Zohrahayaty, Machine Learning & Reasoning Fuzzy Logic Algoritma, Manual, Matlab, & Rapid Miner, 1st ed. Sleman: Deepublish, 2020.

[7]      Y. LeCun, Y. Bengio, and G. Hinton, Deep Learning. Canada: Macmillan Publishers Limited, 2015.

[8]      P. Arfienda, “Convolutional Neural Network,” algoritma, 2019. https://algorit.ma/blog/convolutional-neural-networks-tensorfflow/ (accessed Nov. 25, 2020).

[9]      N. Sofia, “Convolutional Neural Network,” medium, 2018. https://medium.com/@nadhifasofia/1-convolutional-neural-network (accessed Nov. 26, 2020).

[10]    M. A. Hasan, D. Riana, S. Swasono, A. Priyatna, E. Pudjiarti, and L. I. Prahartiwi, “Identification of Grape Leaf Diseases Using Convolutional Neural Network,” J. Phys. Conf. Ser. ICAISD 2020, vol. 1641, pp. 1–7, 2020, doi: 10.1088/1742-6596/1641/1/012007.

[11]    Q. Lina, “Apa itu Convolutional Neural Network,” medium, 2019. https://medium.com/@16611110/apa-itu-convolutional-neural-network (accessed Nov. 29, 2020).

[12]    S. Raschka and V. Mirjalili, Python Machine Learning, 3rd ed. Mumbai: Packt Publishing Ltd, 2019.

[13]    E. Kesim, Z. Dokur, and T. Olmez, “X-ray Chest Image Classification by A Small-Sized Convolutional Neural Network,” 2019 Sci. Meet. Electr. Biomed. Eng. Comput. Sci. EBBT 2019, pp. 1–5, 2019, doi: 10.1109/EBBT.2019.8742050.

[14]    M. S. Majdi, K. N. Salman, M. F. Morris, N. C. Merchant, and J. J. Rodriguez, “Deep Learning Classification of Chest X-Ray Images,” SSIAI 2020, Auckl. Univ. Technol., pp. 116–119, 2020.

[15]    A. Irfan, A. L. Adivishnu, A. Sze-To, T. Dehkharghanian, S. Rahnamayan, and H. R. Tizhoosh, “Classifying Pneumonia among Chest X-Rays Using Transfer Learning,” Proc. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. EMBS, vol. 2020-July, pp. 2186–2189, 2020, doi: 10.1109/EMBC44109.2020.9175594.

[16]    I. W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) Pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.15696.

[17]    R. Sustika, A. Subekti, H. F. Pardede, E. Suryawati, O. Mahendra, and S. Yuwana, “Evaluation of Deep Convolutional Neural Network Architectures for Strawberry Quality Inspection,” Int. J. Eng. Technol., vol. 7, no. 4, pp. 75–80, 2018, doi: 10.14419/ijet.v7i4.40.24080.

[18]    E. Suryawati, R. Sustika, R. S. Yuwana, A. Subekti, and H. F. Pardede, “Deep Structured Convolutional Neural Network for Tomato Diseases Detection,” 2018 Int. Conf. Adv. Comput. Sci. Inf. Syst. ICACSIS 2018, pp. 385–390, 2018, doi: 10.1109/ICACSIS.2018.8618169.

[19]    R. Klikdokter, “Pneumonia,” klikdokter, 2020. https://www.klikdokter.com/penyakit/pneumonia (accessed Nov. 28, 2020).

[20]    T. R. IDNmedis, “X-Ray,” idnmedis, 2019. https://idnmedis.com/x-ray (accessed Nov. 30, 2020).

[21]    R. Halodoc, “Rontgen Dada,” halodoc, 2019. https://www.halodoc.com/kesehatan/rontgen-dada (accessed Nov. 30, 2020).

[22]    A. Juliandi, Irfan, and S. Manurung, Metodologi Penelitian Bisnis, Konsep dan Aplikasi: Sukses Menulis Skripsi & Tesis Mandiri. Medan: UMSU Press, 2014.

[23]    A. Somasundaram and U. S. Reddy, “Data Imbalance: Effects and Solutions for Classification of Large and Highly Imbalanced Data,” Proc. 1st Int. Conf. Res. Eng. Comput. Technol. (ICRECT 2016), vol. 1, no. November, pp. 28–34, 2016.

[24]    C. C. Aggarwal, Neural Networks and Deep Learning. Switzerland: Springer, Cham, 2018.