KLASIFIKASI CITRA PARU-PARU PNEUMONIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ALEXNET

Pneumonia merupakan salah satu penyakit yang menyerang sistem
pernapasan yang disebabkan oleh bakteri atau virus. Mendeteksi pneumonia pada
umumnya dilakukan secara klinis oleh dokter. Proses pemeriksaan untuk
membedakan penyakit paru-paru normal dengan paru-paru pneumonia yang
diakibatkan virus maupun bakteri membutuhkan waktu yang lama, oleh karena itu
diperlukan sistem pada komputer untuk mengklasifikasi citra paru-paru
pneumonia. Pada penelitian ini membandingkan hasil kinerja metode
Convolutional Neural Network (CNN) model arsitektur AlexNet dan pre-trained
model Transfer Learning dengan data asli sebanyak 5080 data maupun data yang
jumlahnya sama tiap kelasnyya sebanyak 4200 data. Dari hasil penelitian yang di
lakukan metode CNN dapat melakukan klasifikasi citra pneumonia dengan baik.
Dari hasil ujicoba pembagian jumlah dataset secara merata pada tiap kelas
mempengaruhi kinerja dari model. Dataset merata pada tiap kelas mendapatkan
hasil kinerja yang lebih baik dari pada dengan dataset asli. Alexnet data asli
menghasilkan precision 78,11% recall 80,82 dan accuracy 80,98% sedangkan
alexnet transfer learning data asli menghasilkan precision 80,30% recall 79,75%
dan accuracy 79,45%. Alexnet data sama tiap kelas menghasilkan nilai precision
92.56%, recall 92,02% dan 90,95%. Sedangkan Alexnet transfer learning data
sama tiap kelas menghasilkan nilai precision 85.36%, recall 85,16% dan 84,07%.