IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR COVID-NET UNTUK KLASIFIKASI COVID-19 PADA CHEST-X-RAY

COVID-19 adalah penyakit yang disebabkankan oleh coronavirus dan
mudah menular. Penularan COVID-19 begitu cepat dan mudah menyebar
menyebabkan terlalu banyak orang yang terpapar COVID-19. Oleh karena itu
dibutuhkan metode yang cepat dan tepat dalam mendiagnosis COVID-19, yaitu
dengan menggunakan citra X-ray dada, menurut para ahli citra X-ray bisa
menggambarkan keadaan paru-paru pasien penderita COVID-19. Dataset diambil
dari kaggle https://www.kaggle.com/tawsifurrahman/covid19-radiographydatabase. Dataset X-ray yang digunakan mempunyai tiga kelas yaitu pneumonia,
normal dan COVID-19 dengan jumalah data sebesar 4345 yaitu 1500 citra COVID19, 1500 citra normal dan 1345 citra Pneumonia. Pembagian Dataset untuk data
training dan testing menggunakan metode K-fold Cross Validation dengan jumlah
5 K-fold. Proses klasifikasi COVID-19 metode yang digunakan adalah
Convolutional Neural Network (CNN) yang dikombinasikan dengan arsitektur
COVID-NET. COVID-NET merupakan arsitektur yang dirancang khusus untuk
mendiagnosis COVID-19. Arsitektur COVID-NET mempunyai keberagaman
ukurang kernel dari 7x7 sampai dengan 1x1 dengan menggunakan epoch 10, bacth
size 32 dan learning rate 0,0001. Dengan demikian COVID-NET mampu untuk
mengklasifikasikan COVID-19 dari gambar X-ray. Dari hasil uji coba CNN dengan
arsitektur COVID-NET mendapatkan nilai akurasi F1-score dengan rata-rata
keseluruhan yaitu sebesar 93,0% dan mendapatkan nilai AUC sebesar 98,78 %.
Sehingga dari hasil uji coba yang dilakukan dapat disimpulkan bahwa model CNN
dengan Arsitektur COVID-NET merupakan model yang efektif atau mempunyai
kinerja yang baik berdasarkan dari nilai F1-score dan AUC