Klasifikasi citra merupakan teknik untuk mengelompokkan suatu citra berdasarkan ciri yang dimiliki pada kelas tertentu. Teknik klasifikasi juga banyak diterapkan dalam bidang biomedis untuk membantu memecahkan persoalan dalam diagnosis penyakit. Saat ini, pandemi COVID-19 menjadi wabah yang menyebarkan virus menular berbahaya dan mengakibatkan penyakit pernafasan parah. Dari insiden tersebut, penggunaan citra radiografi x-ray dada dapat menjadi salah satu alternatif dalam mendiagnosis infeksi COVID-19. Selain dari penggunaan metode skrining dengan Reverse Transcription Polymerase Chain Reaction (RT-PCR). Diagnosis dilakukan dengan mengambil keputusan berdasarkan keadaan citra x-ray yang dihasilkan oleh sebuah model klasifikasi. Pada penelitian ini, proses pembentukan model klasifikasi dilakukan dengan menerapkan model deep learning (CNN-LSTM). Penelitian ini juga dilakukan menggunakan dataset sekunder yang berasal dari Kaggle repository dengan jumlah 4945. Kemudian dataset dibagi menjadi 2 bagian dengan 5-fold cross validation, sehingga terbentuk 80% data pelatihan dan 20% data pengujian. Hasil empiris menunjukkan, deep learning dengan arsitektur CNN-LSTM memperoleh hasil evaluasi dengan rata-rata tingkat akurasi sebesar akurasi sebesar 98,52% dan nilai F1-Score, yaitu 98,59%. Disamping itu, penggunaan 2 hidden fully connected mampu pada model CNN-LSTM memperoleh hasil evaluasi lebih optimal, yaitu dengan rata-rata akurasi sebesar 98,73% dan F1-Score 98,77%. Selain itu, berdasarkan hasil evaluasi dengan grafik Receiver Operating Characteristic (ROC) untuk seluruh eksperimen didapatkan rata-rata skor Under Curve AUC sebesar 99,9%. Sehingga berdasarkan interpretasi nilai AUC yang ada, maka model CNN-LSTM dapat dikategorikan sangat baik karena memiliki rata-rata nilai AUC di atas 0,9 (90%).


Deskripsi Lain

Image classification is a technique for grouping an image based on the characteristics possessed by a certain class. Classification techniques are also widely applied in the biomedical field to help solve problems in disease diagnosis. Currently, the COVID-19 pandemic has become an epidemic that spreads a dangerous infectious virus and causes severe respiratory disease. From this incident, the use of chest x-ray radiography can be an alternative in diagnosing COVID-19 infection. Apart from using the screening method with Reverse Transcription Polymerase Chain Reaction (RT-PCR). Diagnosis is made by making decisions based on the state of the x-ray image generated by a classification model. In this study, the process of forming a classification model was carried out by applying the deep learning model (CNN-LSTM). This research was also conducted using a secondary dataset originating from the Kaggle repository with a total of 4945. Then the dataset was divided into 2 parts with 5-fold cross validation, so that 80% of the training data and 20% of the test data were formed. Empirical results show that deep learning with CNN-LSTM architecture obtains evaluation results with an average accuracy rate of 98.52% and an F1-Score value, which is 98.59%. In addition, the use of 2 hidden fully connected models is able to obtain more optimal evaluation results, namely with an average accuracy of 98.73% and an F1-Score of 98.77%. In addition, based on the evaluation results with the Receiver Operating Characteristic (ROC) graph for all experiments, an average Under Curve AUC score of 99.9% was obtained. So based on the interpretation of the existing AUC values, the CNN-LSTM model can be categorized very good because it has an average AUC value above 0.9 (90%).

• KLASIFIKASI TINGKAT DIABETIC RETINOPATHY MENGGUNAKAN K-NEAREST NEIGHBORS DAN MOMENT INVARIANS BERBASIS FITUR
• KLASIFIKASI TINGKAT DIABETIC RETINOPATHY BERBASIS HYBRID METHOD MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
• Identifikasi Atribut Pejalan Kaki Berbasis Identifikasi Biner Menggunakan Convolutional Neural Networks (CNN)
• REGION PROPOSAL MENGGUNAKAN SELECTIVE SEARCH PADA REGION CONVOLUTIONAL NEURAL NETWORK (R-CNN) UNTUK MENDETEKSI MANUSIA DALAM CITRA PEJALAN KAKI
• GAME FLAPPY-BOT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK