Analisa Performa Arsitektur Model Convolutional Neural Network Dengan Variasi Jumlah Hidden Layer Untuk Klasifikasi Tuberculosis Pada Citra X-Ray

Abstract

Tuberkulosis merupakan suatu penyakit infeksi berbahaya mematikan pada paru-paru dan disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular melalui udara ketika seorang penderita tuberkulosis batuk, bersin, atau meludah dan dapat menyebabkan gangguan pernapasan, seperti batuk kronis dan sesak napas. Didunia, sekitar 10 juta orang lebih terjangkit penyakit ini, sementara di Indonesia sendiri pada tahun 2020 terdapat 393.323 kasus tuberkulosis. Pada diagnosisnya sering terlalu subjektif dalam mendeteksi tuberkulosis, tak jarang juga terjadi perdebatan antara tenaga medis atau dokter unutk menetapkan pasien terinfeksi tuberkulosis. Oleh karena itu, dibutuhkan teknologi computer vision yang dapat mendeteksi secara akurat dan cepat. Algoritma CNN yang termasuk jenis Deep Learning yang banyak diterapkan pada klasifikasi citra dan dapat mengungguli metode lainnya dapat dijadikan metode dalam mendeteksi citra. Maka, dalam penelitian ini dilakukan analisis model dan klasifikasi tuberkulosis dengan algoritma CNN mengggunakan data citra X-ray paru-paru manusia. Pada penelitian ini metode yang digunakan perbandingan 3 model CNN dengan jumlah hidden layers yang berbeda. Sebelum komputer melatih data, data tersebut diolah terlebih dahulu pada tahapan data preparation yang diantaranya mengubah ukuran atau resize, merubah citra menjadi keabuan, dan data augmentation. Hasil penelitian ini menunjukan bahwa model dengan 5 hidden layers merupakan model terbaik yang berhasil mendapatkan tingkat akurasi hingga 98,0%. Selanjutnya, hasil dari model terbaik tersebut diimplementasikan pada sistem aplikasi pendeteksi tuberkulosis berbasis website yang dapat menganalisis citra X-ray paru-paru dan mengeluarkan hasil klasifikasi dengan cepat dan akurat.