Resnet-50 untuk Klasifikasi Covid-19 pada Citra Computed Tomography

IBNU RIFQI P, Dr. Indah Soesanti, S.T., M.T. ;Ir. Hanung Adi Nugroho, S.T., M.E., Ph.D., IPM.

2021 | Skripsi | S1 TEKNIK ELEKTRO

Pandemi COVID-19 yang disebabkan virus SARS-CoV-2 sangat mudah menular dan dapat menyebabkan kematian, maka dari itu harus segera dideteksi sedini mungkin. Pada Capstone Project (CP) ini, diimplementasikan Artificial Intelligence (AI) untuk membantu tenaga medis dalam mendeteksi pasien COVID-19. Digunakan model Convolutional Neural Network (CNN) untuk men-deteksi karakteristik pasien COVID-19 melalui citra CT dada. Model CNN yang digunakan akan menerapkan arsitektur ResNet-50, yaitu arsitektur 50 lapis yang memanfaatkan residual learning. Keluaran dari model ini berupa kategori positif atau negatif disertai probabilitasnya yang didapatkan dari fungsi aktivasi sigmoid. Untuk melatih model CNN, dibuat sebuah dataset yang merupakan kumpulan beberapa dataset citra CT yang bersumber dari internet. Pelatihan dilakukan dengan menggunakan beberapa hyperparameter untuk mendapatkan model dengan kinerja terbaik. Model yang dilatih dievaluasi kinerjanya menggunakan nilai akurasi, sensitivitas, dan spesifisitas. Didapatkan model yang mempunyai nilai akurasi 98,59%, sensitivitas 97,95%, dan spesifisitas 98,85%.

The COVID-19 pandemic caused by the SARS-CoV-2 virus is highly contagious and can cause death, therefore it must be detected as early as possible. In this Capstone Project (CP), Artificial Intelligence (AI) is implemented to assist medical personnel in detecting COVID-19 patients. The Convolutional Neural Network (CNN) model is used to detect the characteristics of COVID-19 patients through chest CT images. The CNN model used will apply the ResNet-50 architecture, which is a 50-layer architecture that utilizes residual learning. The output of this model is in the form of positive or negative categories along with the probability obtained from the sigmoid activation function. To train the CNN model, a dataset is created which is a collection of several CT image datasets sourced from the internet. The training is carried out using several hyperparameters to get the best performing model. The model being trained was evaluated for its performance using the values of accuracy, sensitivity, and specificity. The model has 98.59% accuracy, 97.95% sensitivity, and 98.85% specificity.

Kata Kunci : klasifikasi citra, COVID-19, SARS-Cov-2, artificial intelligence, deep learning, convolutional neural network, ResNet-50.