Klasifikasi Pneumonia Dengan Deep Learning Faster Region Convolutional Neural Network Arsitektur VGG16 dan ResNet50

Abstract

Pneumonia merupakan infeksi paru-paru yang melibatkan alveoli (kantung udara) dan disebabkan oleh mikroba, termasuk bakteri, virus, atau jamur yang dapat menyebabkan peradangan pada area bronkiolus dan alveoli. Pneumonia merupakan penyakit yang berbahaya apabila tidak ditangani dengan tepat. COVID-19 merupakan virus baru yang menyerang paru-paru dan diindikasikan dengan adanya pneumonia. Penting bagi pakar kesehatan untuk memberikan perawatan tepat jika ditemukan pneumonia pada kasus COVID-19. Namun demikian, kendala yag dihadapi dari citra toraks adalah mendeteksi adan-ya indikasi pneumonia dalam mengklasifikasikan toraks berpneumonia. Tujuan dari penelitian ini adalah mengklasifikasikan objek yang terdeteksi sebagai penumonia dengan menggunakan Faster R-CNN, yakni teknik yang mengkombinasikan algoritme Region Proposal Network (RPN) dan Convolutional Neural Network (CNN). Penelitian ini menggunakan metode Faster R-CNN untuk mendeteksi adanya pneumonia pada pasien COVID-19 dengan menggunakan dua arsitektur CNN yang berbeda yaitu arsitektur VGG16 dan ResNet50. Dari pengujian yang yang diterapkan pada citra toraks berpneumonia, model VGG16 mempunyai mAP (mean Average Precision) tertinggi yaitu sebesar 17,7% sedangkan ResNet mempunyai nilai mAP sebesar 16,2%. Sedangkan, implementasi menggunakan 500 data x-ray paru-paru pneumonia COVID-19, arsitektur VGG16 mempunyai nilai akurasi tertinggi yaitu sebesar 85,8% sedangkan ResNet50 mempunyai nilai akurasi sebesar 84%. Dengan dikembangkannya penelitian ini diharapkan dapat membantu tenaga medis dalam mendeteksi pneumonia secara dini pada pasien yang terkena virus COVID-19 dengan tepat.