Identifikasi Pneumonia Pada Citra Rontgen Paru-paru Menggunakan Convolutional Neural Network

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pneumonia melalui citra rontgen paru-paru dengan menggunakan Convolutional Neural Network (CNN) berbasis arsitektur DenseNet. Pneumonia adalah infeksi yang menyebabkan peradangan pada paru-paru, yang umum dikenal sebagai paru-paru basah. Dalam penelitian ini, peneliti menggunakan dataset yang terdiri dari citra rontgen paru-paru sehat dan yang terinfeksi pneumonia. Arsitektur DenseNet dipilih karena kemampuannya dalam mengelola koneksi antar lapisan secara efisien, yang memungkinkan ekstraksi fitur yang lebih baik untuk klasifikasi gambar. Metode ini melibatkan deteksi infeksi pada citra rontgen menggunakan CNN, yang merupakan algoritma deep learning efektif untuk data tidak terstruktur. Untuk meningkatkan akurasi model, peneliti menerapkan teknik augmentasi gambar. Hasil penelitian menunjukkan bahwa model CNN berbasis DenseNet dapat mencapai akurasi tinggi dalam diagnosis pneumonia, sehingga dapat berfungsi sebagai alat bantu diagnosis yang efisien bagi tenaga medis.