Sistem Deteksi Penyakit Pneumonia Menggunakan Algoritma Faster R-CNN Berbasis Citra Digital Rontgen Dada
DOI:
https://doi.org/10.26418/justin.v12i4.81304Keywords:
Citra Rontgen Dada, Deep Learning, Deteksi Pneumonia, Faster R-CNN, Resnet-50Abstract
Pneumonia menjadi perhatian utama dalam pelayanan kesehatan yang masuk dalam 10 penyakit terbanyak di fasilitas pelayanan kesehatan. Pneumonia, infeksi pada kantung udara di paru-paru, merupakan penyakit serius yang dapat menyebabkan kematian. Data statistik dari Badan Pusat Statistik Provinsi Sulawesi Tenggara menunjukkan adanya peningkatan kasus pneumonia, terutama di rumah sakit. Kasus pneumonia pada balita di Provinsi Sulawesi Tenggara pada tahun 2022 mencapai 13.214, namun hanya sekitar 11,14% yang teridentifikasi dan ditangani. Penelitian ini bertujuan untuk mengimplementasikan metode Faster Convolutional Neural Network ( Faster RCNN) dengan menggunakan model ResNet50. Metode ini digunakan untuk membagi citra rontgen dada menjadi wilayah-wilayah tertentu, yang kemudian diekstraksi guna mendeteksi pneumonia melalui analisis gambar dari data klaster. Algoritma Faster -RCNN dipilih karena keunggulannya dalam bidang visi komputer dan kecepatan dalam eksekusi RPN lebih baik dari RCNN dan Fast RCNN. Sistem ini diharapkan dapat mendeteksi citra gambar yang akan diklasifikasikan menjadi pneumonia dan normal menggunakan Faster RCNN. Pada tahap pengujian, sistem ini akan dievaluasi dengan menggunakan matriks kekeliruan sebagai metode evaluasi utama. Pengujian ini akan mencakup nilai rata-rata loss, spesifisitas dan akurasi untuk setiap fitur utama dari sistem yang diusulkan. Evaluasi kinerja sistem juga menggunakan pengujianbounding box . Hasil pengujian menunjukkan bahwa sistem berhasil mengenali citra rontgen dada yang terdeteksi pneumonia atau tidak dan hasil akhir yang diperoleh berdasarkan kesamaan antara data uji dan data latih yang telah disiapkan untuk mengklasifikasikan keluaran antara pneumonia dan normal.
References
F. Sibuea, B. Hardhana, and W. Widiantini, Profil Kesehatan Indonesia. 2022.
F. Hatim, “World Pneumonia Day 2022,†29 Desember. Accessed: Dec. 07, 2023. [Online]. Available: https://yankes.kemkes.go.id/view_artikel/1997/world-pneumonia-day-2022
Direktorat Pencegahan dan Pengendalian Penyakit Menular Kementrian Kesehatan, “Rencana Aksi Kegiatan 2020-2024 (Revisi) Direktorat Pencegahan dan Pengendalian Penyakit Menular Kementrian Kesehatan,†Aug. 2022.
M. K. drg. Emmy Hastuti, “Pneumonia,†Direktorat Jenderal Pelayanan Kesehatan - Kementerian Kesehatan Republik Indonesia. Accessed: Oct. 17, 2023. [Online]. Available: https://yankes.kemkes.go.id/view_artikel/2709/pneumonia
Jumakil and L. Tina, “Perkembangan Kasus Pneumonia Pada Balita Di Provinsi Sulawesi Tenggara Tahun 2017,†Preventif jurnal, vol. 3, no. 2, Apr. 2019.
Fitrianingsi et al., “Profil Rumah Sakit Umum Daerah Kota Kendari,†Kendari, 2022.
S. Tiku, H. M. Iga, Jeni, Jumiati, F. S. Djalil, and Infandri, “Profil Kesehatan Sulawesi Tenggara Tahun 2022,†Kendari, Jul. 2023.
J. Lin and H. Irsyad, “Klasifikasi Pneumonia Pada Citra X-Rays Paru-Paru Menggunakan GLCM Dan LVQ,†184 Jurnal Algoritme, vol. 1, no. 2, pp. 184–194, 2021.
J. Yopento and F. Coastera, “Identifikasi Pneumonia Pada Citra X-Ray Paru-Paru Menggunakan Metode Convolutional Neural Network (CNN) Berdasarkan Ekstraksi Fitur Sobel,†Jurnal Rekursif, vol. 10, no. 1, pp. 40–47, Mar. 2022, [Online]. Available: http://ejournal.unib.ac.id/index.php/rekursif/40
S. Yao, Y. Chen, X. Tian, and R. Jiang, “Pneumonia Detection Using an Improved Algorithm Based on Faster R-CNN,†Comput Math Methods Med, vol. 2021, no. 1, pp. 1–13, Apr. 2021, doi: 10.1155/2021/8854892.
F. Charli, H. Syaputra, M. Akbar3, S. Sauda, and F. Panjaitan, “Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird,†Journal of Information Technology Ampera, vol. 1, no. 3, pp. 2774–2121, 2020.
S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,†Jun. 2015.
S. Megawan and W. S. Lestari, “Deteksi Spoofing Wajah Menggunakan Faster R-CNN dengan Arsitektur Resnet50 pada Video (Face Spoofing Detection Using Faster R-CNN with Resnet50 Architecture on Video),†2020. [Online]. Available: https://www.idiap.ch/dataset/replayattack.
N. Hanun, M. Sarosa, and R. Andrie Asmara, “Pemanfaatan Algoritma Faster R-CNN ResNet-101 Untuk Deteksi Potongan Tubuh Manusia,†Jurnal Elektronika dan Otomasi Industri, vol. 10, no. 1, pp. 94–103, May 2023, doi: 10.33795/elkolind.v10i1.2754.
R. Parlika, T. A. Nisa, S. M. Ningrum, and B. A. Haque, ‘Studi Literatur Kekurangan dan Kelebihan Pengujian Black Box’, Teknomatika (Jurnal Teknologi dan Informatika), vol. 10, no. 2, pp. 131–140, Oct. 2020.
H. N. Ifayatin, L. AprilyaniS, dan M. I. Sarita, ‘Aplikasi pengarsipan surat berbasis website kantor Badan Pendapatan Daerah Provinsi Sulawesi Tenggara menggunakan metode Waterfall’, JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3143-3145, 2024.
R. A. Saputra, J. Nangi, I. P. Ningrum, dan M. F. Almaliki, ‘Deteksi uang palsu rupiah dengan menggunakan metode deteksi tepi Laplacian of Gaussian (LoG) dan algoritma K-Means clustering,’ Jurnal Buana Informatika, vol. 13, no. 2, pp. 88-92, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
