Pneumonia adalah infeksi akut pada paru-paru yang disebabkan oleh mikroorganisme seperti virus, bakteri, jamur, dan parasit. Penyakit ini dapat menyerang berbagai usia, terutama balita dan orang tua, namun, balita dan orang tua yang paling sering terdampak. Diagnosis pneumonia masih bergantung pada tenaga medis yang berpengalaman, sehingga diperlukan metode otomatis yang dapat meningkatkan akurasi dan efisiensi dalam deteksi pneumonia. Dengan memanfaatkan pendekatan Deep Learning, khususnya Convulution Neural Network (CNN) yang menjadi pilihan popular dalam klasifikasi gambar dan analisi visual, Penelitian ini bertujuan mengembangkan model CNN berbasis ResNet50 untuk mengklasifikasikan gambar rontgen dalam mendeteksi pneumonia. Model ini dapat memberikan solusi otomatis yang lebih efisian dalam membantu tenaga medis, serta meningkatkan akurasi diagnosis penyakit pneumonia menggunakan ResNet50. Dalam penelitian ini klasifikasi pneumonia menggunakan dataset Chest X-Ray Images yang di ambil dari kaggle dengan format JPG. Dataset berisi citra x-ray dada normal dan pneumonia. Data setelah dikelola berjumlah 3.189 gambar yang terbagi kedalam 2 kelas yakni, 1.583 normal dan 1.600 pneumonia. Hasil eksperimen menunjukkan bahwa model ResNet50 dengan optimizer yang digunakan adalah Stochastic Gradient Descent Momentum (SGD-M) dengan learning rate 0.1 menghasilkan penelitihan data train di dapat akurasi sebesar 95.43%, sedangkan tahap pelatihan data test mendapatkan akurasi sebesar 92.25% tingkat akurasi sudah cukup layak.


Deskripsi Lain

Pneumonia is an acute infection of the lungs caused by microorganisms such viruses, bacteria, fungi, and parasites.This disease can affect people of all ages, especially infants and the elderly, but infants and the elderly are the most frequently impacted.The diagnosis of pneumonia still relies on experienced medical personnel, so there is a need for automated methods that can improve accuracy and efficiency in pneumonia detection.By utilizing a Deep Learning approach, specifically Convolutional Neural Network (CNN) which is a popular choice in image classification and visual analysis, this research aims to develop a ResNet50-based CNN model to classify X-ray images in detecting pneumonia.This model can provide a more efficient automated solution in assisting medical personnel, well improving the accuracy of pneumonia diagnosis using ResNet50.In this study, pneumonia classification uses the Chest X-Ray Images dataset obtained from Kaggle in JPG format.The dataset contains chest X-ray images of normal and pneumonia cases.The data after processing consists of 3,189 images divided into 2 classes, namely, 1,583 normal and 1,600 pneumonia.The experimental results show that the ResNet50 model with the optimizer used is Stochastic Gradient Descent Momentum (SGD-M) with a learning rate of 0.1, resulting in a training data accuracy of 95.43%, while the test data training stage achieved an accuracy of 92.25%, which is already quite acceptable.

• Pengenalan Pola Karakter Pada Kata Tulisan Tangan Menggunakan Metode Discrete Cosine Transform (DCT) dan Learning Vector Quantization (LVQ)
• PENGENALAN TULISAN TANGAN HURUF ALFABET DENGAN METODE MODIFIED DIRECTION FEATURE (MDF)DAN LEARNING VECTOR QUANTIZATION (LVQ)
• PENGENALAN POLA TULISAN TANGAN ABJAD HURUF KECIL MENGGUNAKAN METODE ZONING DAN MULTI LAYER PERCEPTRON (MLP)

• SISTEM PENDUKUNG KEPUTUSAN UNTUK MENILAI KELAYAKAN PENGAJUAN KREDIT DENGAN METODE NAIVE BAYES
• IDENTIFIKASI ACUTE LYMPHOBLASTIC LEUKEMIA MENGGUNAKAN BACKPROPAGATION BERBASIS FITUR HIBRID BENTUK DAN WARNA
• PENGENALAN PENYAKIT PADA DAUN JAGUNG DENGAN METODE K-NEAREST NEIGHBOUR BERBASIS FITUR GREY LEVEL RUN-LENGTH MATRIX DAN FUZZY COLOR HISTOGRAM
• CONVOLUTIONAL NEURAL NETWORK PADA PERMAINAN ULAR
• REGION PROPOSAL MENGGUNAKAN SELECTIVE SEARCH PADA REGION CONVOLUTIONAL NEURAL NETWORK (R-CNN) UNTUK MENDETEKSI MANUSIA DALAM CITRA PEJALAN KAKI