KLASIFIKASI PNEUMONIA PADA CITRA X-RAY PARU-PARU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERDASARKAN EKSTRAKSI FITUR SOBEL

Pneumonia merupakan infeksi paru-paru yang menjadi penyebab utama kematian pada anak-anak secara global, sehingga diagnosis dini melalu citra X-ray sangat penting. Penelitian ini mengusulkan sistem klasifikasi Pneumonia berbasis deep learning dengan menggabungkan arsitektur Convolutional Neural Network (CNN) dan ekstraksi fitur Sobel untuk meningkatkan akurasi deteksi. Penelitian ini memanfaatkan dataset Chest X-Ray Images sebanyak 5.856 citra yang terbagi menjadi kelas normal dan Pneumonia. Pengujian dilakukan melalu 15 skenario eksperimen dengan variasi hyperparameter berupa learning rate (0,01, 0,001, 0,0001) dan epoch (20, 40, 60, 80, 100). Hasil penelitian menunjukkan bahwa Skenario 8 dengan konfigurasi 60 epoch dan learning rate 0,001 terpilih sebagai model terbaik. Pemilihan ini didasarkan pada pencapaian titik jenuh pembelajaran, di mana penambahan durasi pelatihan tidak lagi memberikan peningkatan performa yang signifikan. Model tersebut berhasil memperoleh akurasi pelatihan sebesar 99,47% dan akurasi pengujian sebesar 96,25%. Berdasarkan analisis Confusion Matrix, model mampu mengklasifikasikan 421 data Pneumonia secara tepat dengan nilai presisi 0,98 dan recall 0,97, sehingga sangat potensial untuk diimplementasikan sebagai sistem pendukung keputusan klinis dalam deteksi dini pneumonia.