ALGORITMA CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI CHEST X-RAYS PASIEN COVID-19 MENGGUNAKAN FUNGSI AKTIVASI SIGMOID

Authors

  • Muhamad Nurhikmat Zain Program Studi Statistika, Fakultas Matematika dan Ilmu Pengentahuan, Universitas Islam Bandung, Indonesia
  • Dwi Agustin Nuriani Sirodj Program Studi Statistika, Fakultas Matematika dan Ilmu Pengentahuan, Universitas Islam Bandung, Indonesia

DOI:

https://doi.org/10.32493/sm.v4i2.27058

Keywords:

Convolutional neural network, Klasifikasi, Chest x-rays, COVID-19

Abstract

Convolutional neural network merupakan pengembangan dari artificial neural network. Penelitian ini akan melakukan klasifikasi chest x-rays pasien COVID-19. Proses klasifikasi dilakukan dengan menggunakan bantuan fungsi aktivasi sigmoid untuk kasus klasifikasi biner. Selama ini untuk mendiagnosa COVID-19 dilakukan dengan tes Reverse Transcription Polymerase Chain Reaction (RT-PCR). Namun ada beberapa masalah pada mekanisme pengujian tes (RT-PCR) diantaranya perlunya alat dan bahan khusus dan memakan waktu yang cukup lama. Solusi yang lebih cepat berbasis data sangat diperlukan dibandingkan melakukan tes (RT-PCR). Salah satu cara yang dapat membantu adalah dengan memanfaatkan citra digital berupa chest x-rays untuk mengambil informasi dan mengenali objek secara otomatis dengan menggunakan metode convolutional neural network. Hasil klasifikasi chest x-rays dengan arsitektur convolutional neural network yang telah dibangun mendapatkan nilai akurasi sebesar 91%, presisi sebesar 86% dan recall sebesar 79%.

References

Alpaydın, E. (2020). Introduction to Machine Learning (4th ed.). MIT Press.

Hasan, M., Ullah, S., Khan, M. J., & Khurshid, K. (2019). Comparative Analysis of SVM, ANN and CNN for Classifying Vegetation Species using Hyperspectral Thermal Infrared Data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 42(2/W13), 1861–1868. https://doi.org/10.5194/isprs-archives-XLII-2-W13-1861-2019

Hassantabar, S., Ahmadi, M., & Sharifi, A. (2020). Diagnosis and detection of infected tissue of COVID-19 patients based on lung x-ray image using convolutional neural network approaches. Chaos, Solitons and Fractals, 140, 110170. https://doi.org/10.1016/j.chaos.2020.110170

Kabir Anaraki, A., Ayati, M., & Kazemi, F. (2018). Magnetic resonance imaging-based brain tumor grades classification and grading via convolutional neural networks and genetic algorithms. Biocybernetics and Biomedical Engineering, 39(1), 63–74. https://doi.org/10.1016/j.bbe.2018.10.004

Krizhevsky, A., Sutskeve, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. 60, 84–90. https://doi.org/10.1145/3383972.3383975

Setiawan, W. (2020). Deep Learning Menggunakan Convolutional Neural Network. MNC.

Srinivasan, N., Ravichandran, V., Chan, K. L., Vidhya, J. R., Ramakirishnan, S., & Krishnan, S. M. (2002). Exponentiated backpropagation algorithm for multilayer feedforward neural networks. ICONIP 2002 - Proceedings of the 9th International Conference on Neural Information Processing: Computational Intelligence for the E-Age, 1(December), 327–331. https://doi.org/10.1109/ICONIP.2002.1202187

Downloads

Published

2022-07-31

Issue

Section

Articles