1. Home
  2. Vol 8, No 1 (2024)
  3. Aminullah

KLASIFIKASI CHEST X-RAY IMAGE PROCESSING COVID-19 MENGGUNAKAN METODE CONVOTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VISUAL GEOMETRI GROUP 16 (VGG 16)

Muhammad Aminullah(1),


(1) Institut Informatika dan Bisnis Darmajaya
Corresponding Author

Abstract


Virus corona menyebarkan penyakit flu hingga penyakit pneumonia.Virus corona, juga dikenal sebagai COVID-19, juga telah mengalami mutasi, sehingga menghasilkan beberapa varian baru dan telah masuk ke Indonesia. Sangat penting untuk mendeteksi virus Covid-19 sejak dini untuk mencegah penyebaran virus. Pada penelitian ini mengusulkan untuk menyelesaikan masalah pengenalan objek, deep learning menggunakan jaringan syaraf tiruan. Sebagai salah satu metode pengajaran mendalam, Convolutional Neural Network (CNN) memiliki kemampuan yang luar biasa untuk menggunakan gambar untuk melakukan tiga tugas: pengenalan objek (object recognition), deteksi objek (object detection), dan pengelompokan objek. Proses klasifikasi chest x-ray menggunakan Convolutional neural network dan Arsitektur VGG16. Hasil Penelitian menunjukkan bahwa metode Convolution neural network dapat mengklasifikasikan hasil rontgen dada yang Normal atau terkena Covid 19 dan pneumonia dengan akurasi tertinggi sebesar 91% dan Validasi Akurasi 98%.

Kata Kunci: Covid 19, Pneumonia, Chest X-Ray, CNN,VGG16


References


D. E. A. Ningsih, “Dampak Pandemi Covid-19 Terhadap Laju Ekonomi Indonesia 2020 Dan Alternatif Solusinya,” Al-Iqtishod J. Ekon. Syariah, vol. 3, no. 1, 2021.

E. Christina, “Pandemi covid-19 adalah 666?,” J. Teol. Pentasoka, vol. 1, 2020.

M. Sholikhin and R. Alexandro H., “Klasifikasi Penyakit pada Citra Daun Melon Menggunakan Algoritma Convolution Neural Network,” Joutica, vol. 7, no. 1, 2022, doi: 10.30736/jti.v7i1.735.

P. Winardi and E. Setyati, “Identifikasi Jenis Daging dengan Menggunakan Algoritma Convolution Neural Network,” J. Inf. Syst. Hosp. Technol., vol. 3, no. 02, 2021, doi: 10.37823/insight.v3i02.178.

M. Pavlova et al., “COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases From Chest X-ray Images,” Front. Med., vol. 9, 2022, doi: 10.3389/fmed.2022.861680.

M. A. Parab and N. D. Mehendale, “Red Blood Cell Classification Using Image Processing and CNN,” SN Comput. Sci., vol. 2, no. 2, 2021, doi: 10.1007/s42979-021-00458-2.

T. Islam, “Plant Disease Detection using CNN Model and Image Processing,” Int. J. Eng. Res. Technol., vol. 9, no. 10, 2020.

I. R. Ramadhani, A. Nilogiri, and A. Qurrota, “Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network,” J. Smart Teknol., vol. 3, no. 3, 2022.

E. Tanuwijaya and A. Roseanne, “Modifikasi Arsitektur VGG16 untuk Klasifikasi Citra Digital Rempah-Rempah Indonesia,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, 2021, doi: 10.30812/matrik.v21i1.1492.

R. Indraswari, W. Herulambang, and R. Rokhana, “Deteksi Penyakit Mata Pada Citra Fundus Menggunakan Convolutional Neural Network (CNN),” Techno.Com, vol. 21, no. 2, 2022, doi: 10.33633/tc.v21i2.6162.


Full Text: PDF (Bahasa Indonesia)

Article Metrics

Abstract View : 150 times
PDF (Bahasa Indonesia) Download : 63 times

DOI: 10.58486/jsr.v8i1.325

Refbacks

  • There are currently no refbacks.