KLASIFIKASI PENYAKIT TUBERCULOSIS (TB) ORGAN PARU MANUSIA BERDASARKAN CITRA RONTGEN THORAX MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

AULIA RASYID, Lukman Heryawan, S.T., M.T. Ph.D

2022 | Skripsi | S1 ILMU KOMPUTER

Paru-paru merupakan bagian dari sistem pernapasan yang berfungsi sebagai tempat terjadinya pertukaran karbon dioksida dan oksigen dalam darah. Gangguan pada paru-paru merupakan gangguan yang cukup serius dimana dapat menyerang sistem pernapasan manusia dan bisa berakibat fatal jika tidak ditangani dengan serius. Salah satu penyakit yang menyerang paru-paru adalah tuberculosis. Tuberculosis (TB) merupakan salah satu penyakit berbahaya yang dapat menular lewat udara dan sering menyebabkan kematian apabila tidak cepat ditangani. Penyakit TB bisa disembuhkan dengan deteksi dini sehingga penderita dapat segera mendapatkan pengobatan yang tepat. Salah satu cara dokter ahli mendiagnosis penyakit TB adalah dengan melihat citra X-ray paru-paru. Pada penelitian ini akan merancang sistem otomatis untuk mengklasifikasi penyakit tuberculosis berdasarkan citra x-ray paru-paru berbasis Convolutional Neural Network (CNN) menggunakan arsitektur MobileNet. Dataset yang diambil berupa citra X-ray paru yang akan digunakan sebagai masukan untuk proses pengolahan citra atau image processing. Tahapan pertama yaitu input berupa citra X-ray, selanjutnya dilakukan proses preprocessing citra (resizing, grayscale, contrast), dilanjutkan dengan proses segmentation (thresholding), dilanjutkan dengan proses augmentasi data, terakhir citra akan diklasifikasikan menjadi tiga kelas yaitu normal, TBR (tuberculosis bagian kanan), TBRL (tuberculosis bagian kanan dan kiri). Tuberculosis bagian kiri tidak masuk kedalam klasifikasi dikarenakan tuberculosis lebih cenderung terkena pada bagian kanan atau di kedua bagian. Dalam penelitian ini dilakukan pengujian terhadap pengaruh citra ( tanpa image processing , preprocessing dan segmentation) , pengaruh batch size ,pengaruh variasi epoch, pengaruh augmentasi dan perbandingan terhadap performa klasifikasi. Hasil akhir dari penelitian ini menunjukan optimizer terbaik yaitu Adam menggunakan preprocessing CLAHE pada epoch 50 batch size 32 dan menghasilkan nilai rerata akurasi data uji sebesar accuracy 93.64466667%.

The lungs are part of the respiratory system that functions as a place for the exchange of carbon dioxide and oxygen in the blood. Lung disorders are quite serious disorders which can attack the human respiratory system and can be fatal if not treated seriously. One of the diseases that attack the lungs is tuberculosis. Tuberculosis (TB) is a dangerous disease that can be transmitted through the air and often causes death if not treated quickly. TB disease can be cured with early detection so that patients can immediately get the right treatment. One way specialist doctors diagnose TB disease is by looking at X-ray images of the lungs. In this study, we will design an automatic system for classifying tuberculosis based on x-ray images of the lungs based on Convolutional Neural Network (CNN) using the MobileNet architecture. The dataset taken is an X-ray image of the lungs which will be used as input for image processing. The first stage is input in the form of an X-ray image, then the image preprocessing process (resizing, grayscale, contrast), followed by a segmentation process (thresholding), followed by a data augmentation process, finally the image will be classified into three classes, namely normal, TBR (tuberculosis). right side), TBRL (right and left tuberculosis). Tuberculosis left side is not included in the classification because tuberculosis is more likely to be affected on the right or in both parts. In this study, we tested the effect of image (without image processing, preprocessing and segmentation), the effect of batch size, the effect of epoch variations, the effect of augmentation and comparison on classification performance. The final result of this study shows that the best optimizer is Adam using CLAHE preprocessing on epoch 50 batch size 32 and resulted in the average value of the accuracy of the test data of 93.64466667% accuracy.

Kata Kunci : Tuberculosis, Convolutional Neural Network (CNN) , X-ray , MobileNet.