KLASIFIKASI PENYAKIT PARU-PARU DENGAN METODE CONVOLUTIONAL NEURAL NETWORK PADA CITRA RONTGEN

ABSTRAK Penyakit paru-paru merupakan salah satu gangguan kesehatan yang paling umum dan serius di seluruh dunia. Kondisi ini menyebabkan paru-paru tidak dapat berfungsi normal, dengan sebagian besar kasus disebabkan oleh paparan asap rokok. Diagnosa penyakit paru-paru saat ini banyak bergantung pada pemeriksaan rontgen oleh dokter spesialis paru-paru. Namun, metode ini tidak selalu memberikan hasil yang akurat, sehingga disarankan untuk melakukan serangkaian tes tambahan untuk meningkatkan keakuratan diagnosis. Penelitian ini berfokus pada klasifikasi citra rontgen paru-paru menggunakan teknik Deep Learning untuk mendeteksi berbagai jenis penyakit paru-paru, termasuk Pneumonia, Tuberkulosis, dan Corona virus Disease-19 (Covid-19). Metode yang digunakan adalah Convolutional Neural Network (CNN), yang merupakan metode Deep Learning paling signifikan saat ini dalam pengenalan citra medis. Selanjutnya, dilakukan pengujian terhadap kombinasi Hyperparameter (epoch, mini batch size, variasi dataset) dan Optimizer (Adam, SGDM, RMSProp) untuk menemukan model optimal dengan akurasi tertinggi dan nilai loss terendah. Penelitian ini menggunakan dataset sebanyak 1.050 citra yang terbagi dalam 3 kelas, yaitu Pneumonia, Tuberkulosis, dan Covid-19. Masing-masing kelas terdiri dari 350 data citra. Hasil uji coba yang telah dilakukan menunjukkan bahwa model CNN dapat mencapai akurasi hingga 100% dalam klasifikasi penyakit paru-paru pada citra rontgen. Akurasi terbaik ini diperoleh dengan menggunakan Optimizer RMSPROP dan Adam. Pengujian dilakukan dengan variasi dataset (60%, 70%, 80%, dan 90%), mini batch size (8, 16, 32, 64), dan jumlah epoch (10, 20, 25, 30). Hasil akhir menunjukkan bahwa kombinasi data, Optimizer, dan parameter model yang optimal adalah pembagian data 60%, 70%, 80%, 90% dengan Optimizer Adam & RMSPROP, epoch 15, 20, 25, 30 dan mini batch size 8.

Kata Kunci : Deep Learning, Convolutional Neural Network , Paru-Paru