Perbandingan Performa Model Pre-Trained Cnn Pada Citra Cxr Dalam Klasifikasi Penyakit Paru-Paru

Abstract

Paru-paru adalah organ vital yang berperan penting dalam sistem pernapasan manusia, bertanggung jawab untuk pertukaran oksigen dan karbon dioksida. Gangguan pada paru-paru dapat berdampak serius pada kesehatan, beberapa penyakit seperti covid-19, pneumonia, dan tuberculosis menjadi penyebab utama kematian menurut WHO. Gejala-gejala umum dari ketiga penyakit ini meliputi sesak napas, demam, batuk, dan nyeri dada. Diagnostik medis biasanya menggunakan tes radiografi seperti Chest X-ray (CXR). Penelitian ini memusatkan pada penggunaan gambar Chest X-ray sebagai metode evaluasi awal karena kecepatan, efisiensi biaya, dan ketersediaannya. Penelitian ini berfokus untuk membandingkan kinerja model ResNet50 dan VGG16 dalam mengklasifikasikan berbagai penyakit paru-paru menggunakan citra Chest X-ray. Pada hasil ujicoba yang dilakukan model ResNet50 menunjukkan kinerja yang lebih baik dengan akurasi sebesar 0.89%, sedangkan VGG16 mencapai akurasi 0.86%. Evaluasi menggunakan precision, recall, dan f1-score menunjukkan bahwa ResNet50 memiliki kinerja yang lebih konsisten di semua kelas penyakit. Namun, kedua model dapat menunjukkan kemampuan yang baik dalam mengidentifikasi paru-paru dengan kategori Normal, COVID19, Pneunomia, dan Tuberkulosis.