Klasifikasi Penyakit Tuberculosis Berdasarkan Citra Rontgen Thorax Menggunakan Multi-Scale Convolutional Neural Network

Abstract

Tuberculosis (TB) merupakan penyakit menular yang disebabkan oleh bakteri mycobacterium tuberculosis, patogen yang paling sukses menginfeksi paru-paru. Teknik diagnosis penyakit TB yang paling sering digunakan adalah melalui pemeriksaan rontgen thorax (paru-paru). Hasil rontgen dapat dilihat secara citra/visual oleh dokter untuk melihat apakah terdapat ciri dan pola adanya penyakit TB pada pasien. Pada penelitian ini befokus pada Artificial Intelligence (AI) untuk membantu dokter dan memberikan alternatif solusi yang efisien dalam mendiagnosa pasien, apakah pasien tersebut menderita TB atau tidak dengan lebih cepat. Penelitian ini dirancang menggunakan Multi-Scale Convolutional Neural Network (CNN) untuk mengklasifikasi penyakit tuberculosis berdasarkan citra rontgen thorax. Data yang digunakan berupa citra X-ray thorax yang digunakan sebagai input untuk proses image processing. Dataset yang dikumpulkan berjumlah 1400 data yang terdiri dari 2 kelas yaitu paru-paru normal dan paru-paru penderita tuberculosis. Model CNN terdiri dari 3 lapisan konvolusi yang berukuran 3x3, 3 lapisan penggabungan (Maxpool) berukuran 2x2 dan 1 lapisan fully connected yang menggunakan aktivasi softmax. Filter yang digunakan pada setiap lapisan konvolusi adalah 128. Penelitian ini menggunakan algoritma Adam Optimizer. Dataset dibagi menjadi 1120 data pada skenario 1 dan 978 data pada skenario 2 untuk training atau latih dan 280 data pada skenario 1 dan 422 data pada skenario 2 untuk testing atau uji. Dalam proses pelatihan, digunakan nilai epoch 20 diperoleh nilai akurasi sebesar 100% pada semua skenario. Pada tahap pengujian dihasilkan nilai akurasi sebesar 99,29% pada skenario 1 dan 97,67% pada skenario 2.