Klasifikasi Pneumonia Pada Gambar X-Ray Paru-Paru Menggunakan Convolutional Neural Network

Pneumonia adalah peradangan paru-paru yang disebabkan oleh bakteri, virus, jamur ataupun parasit. Pendeteksian pneumonia dapat diketahui dengan melakukan X-Ray pada paru-paru. Hasil dari citra medis X-Ray selanjutnya akan didiagnosis oleh ahli radiologi untuk dilakukan tindakan medis selanjutnya. Salah satu metode yang dilakukan untuk meningkatkan kualitas citra adalah Contrast Limited Adaptive Histogram Equalization (CLAHE). CLAHE dapat meningkatkan kontras citra sehingga ciri-ciri khusus yang terdapat dalam citra lebih ditonjolkan. Metode deep learning yang cukup efektif digunakan dalam pengolahan citra adalah Convolutional Neural Network (CNN). CNN mampu melakukan ekstraksi fitur dari citra secara lebih mendetail, menyimpan dan menjadikan acuan hasil pembelajaran yang telah dilakukan dengan adanya parameter weight dan bias di dalam arsitekturnya. Dalam penelitian ini digunakan model CNN untuk mengklasifikasikan Pneumonia pada citra Chest XRay paru-paru. Arsitektur CNN yang digunakan adalah ResNet50 dan VGG16 Setiap arsitektur diberikan tiga kombinasi yaitu dengan menggunakan tanpa pembobotan kelas, pembobotan kelas dan CLAHE. Model terbaik yang didapatkan dalam penelitian ini adalah model VGG16 dengan menggunakan pembobotan kelas dan tanpa CLAHE. Model tersebut memiliki kinerja klasifikasi optimal dengan accuracy sebesar 0,9167, precision sebesar 0,9163, sensitivity senilai 0,9538 dan Fscore sebesar 0,9347. ==================================================================================================== Pneumonia is an inflammation of the lungs caused by bacteria, viruses, fungi, or parasites. Chest X-Ray Scan is one of the radiological examinations that could scan the lungs. The results of the medical image diagnose by a radiologist for further medical action. One of the methods used to improve image quality is Contrast Limited Adaptive Histogram Equalization (CLAHE). CLAHE can increase image contrast so that the features contained in the image are more highlighted. The most effective deep learning method in image processing is Convolutional Neural Network (CNN). CNN can extract features from images in more detail, save and create learning outcomes with weight and bias parameters on the architecture. In this study, the CNN model classifying pneumonia on Chest X-Ray images of the lungs. The CNN architecture used is ResNet50 and VGG16. There are three combination treatments for the models, without weighted class, with weighted class and CLAHE. The best model obtained in this study is VGG16. The results show that the classification using VGG16 with weighted class and without CLAHE could detect pneumonia in the Chest X-ray image with an accuracy of 0.9167, a precision of 0.9163, a sensitivity of 0.9538, and an F-score 0.9347