SEGMENTASI CITRA X-RAY PARU-PARU MENGGUNAKAN ARSITEKTUR SEGNET UNTUK DETEKSI COVID-19

Penyakit Covid-19 yang masih menjadi pandemi sampai sekarang harus bisa diatasi dengan cepat. Penyakit ini dapat dideteksi melalui gejala-gejala klinis seperti demam, batuk kering, sakit tenggorokan, dan sesak nafas. Selain dilihat dari gejala klinisnya, Covid-19 dapat diketahui melalui suatu metode segmentasi dari Deep Learning dengan menggunakan bantuan dari citra x-ray paru-paru. Penggunaan citra x-ray paru-paru didasari karena Covid-19 ini menginfeksi di area paru-paru. Dengan memanfaatkan metode dari deep learning, citra x-ray paru-paru dapat dilakukan segmentasi kemudian dapat digunakan untuk melakukan deteksi terhadap adanya infeksi Covid-19 pada paru-paru pasien. Salah satu metode yang dapat digunakan adalah SegNet. SegNet merupakan pengembangan dari metode Convolutional Neural Network (CNN). Penelitian ini memiliki tujuan untuk mengetahui keakuratan metode segmentasi dengan menggunakan arsitektur SegNet. Pada proses evaluasi kinerja sistem, penelitian ini menggunakan matrik akurasi, Dice Coefficient, F1 Score dan IoU untuk mengetahui seberapa akurat arsitektur SegNet ini. Hasil dari penelitian ini menunjukan rata-rata hasil yang baik. Untuk segmentasi yang menggunakan optimizer SGD diperoleh Hasil evaluasi pengujian sebesar 96,64 untuk matrik akurasi, Dice Coefficient (DSC) sebesar 93,65%, F1 Score sebesar 96,46%, dan IoU sebesar 88,16%. Berdasarkan hasil tersebut arsitektur SegNet ini dapat menjadi rekomendasi untuk melakukan segmentasi maupun untuk melakukan klasifikasi pada penelitian selanjutnya menggunakan data yang berbeda.