PENGEMBANGAN MACHINE LEARNING PENGOLAH CITRA SINAR-X DALAM DIAGNOSIS PENYAKIT PARU MENGGUNAKAN BAHASA PEMROGRAMAN PYTHON

• Main Author: Praditya, - (Author)
• Format: Book
• Published: 2023-08-29.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/105074/1/S_FIS_1909505_Title.pdf; http://repository.upi.edu/105074/2/S_FIS_1909505_Chapter1.pdf; http://repository.upi.edu/105074/3/S_FIS_1909505_Chapter2.pdf; http://repository.upi.edu/105074/4/S_FIS_1909505_Chapter3.pdf; http://repository.upi.edu/105074/5/S_FIS_1909505_Chapter4.pdf; http://repository.upi.edu/105074/6/S_FIS_1909505_Chapter5.pdf; http://repository.upi.edu/105074/7/S_FIS_1909505_Appendix.pdf
• Keywords: L Education (General); QC Physics

Banyak kasus yang menimpa masyarakat di dalam maupun di luar Indonesia mengalami gangguan paru yang disebabkan oleh bakteri maupun virus. Salah satu cara untuk mengetahui jenis penyakit paru apa yang diderita adalah dengan melakukan rontgen paru. Hasil rontgen paru adalah hasil transmisi sinar-X pada film. Citra sinar-X tersebut dapat dideteksi dengan menggunakan Artificial Intelligent. Salah satu bagian Artificial Intelligent yang dimaksud adalah Machine Learning yang menggunakan sistem Computer Vision. Computer Vision ini digunakan untuk diagnosis awal penyakit paru yang diderita pasien melalui citra sinar-X. Machine Learning dibangun menggunakan sistem Transfer Learning, yang artinya memindahkan model yang telah ada dan disesuaikan dengan data yang digunakan. Model dasar yang digunakan adalah jenis MobileNetV2 yang telah dikembangkan dalam segi performa untuk menghadapi tugas yang memiliki benchmark dan spektrum yang luas. Algoritma model disesuaikan pada bagian output channel sebanyak 4 label. Machine Learning melalui iterasi dan proses pembelajaran sebanyak 15 kali epoch. Hasil iterasi didapat setelah proses selama 1 jam 15 menit 42 detik, dengan akurasi numerik 91,54 persen. Selain itu, akurasi secara empirik didapat dari hasil validasi menggunakan data yang tidak digunakan pada proses iterasi Machine Learning. Akurasi empirik memiliki nilai sebesar 92,5 persen. Karakteristik citra sinar-X yang dapat efektif diprediksi adalah citra yang telah dikonversi menjadi ukuran 256 × 256 pixel. Adapun citra sinar-X dari setiap label memiliki keunikan masing-masing dalam segi indeks warna atau array dari setiap pixel. There are many cases of people inside and outside Indonesia experiencing lung problems caused by bacteria or pneumonia virus. One way to find out the type of lung disease what is suffered is by doing X-rays of the lungs. The results of a lung X-ray are the result of a transmission of X-rays on film. X-ray image can be detected using Artificial Intelligent. One part of the Artificial Intelligent in question is Machine Learning that uses a Computer Vision system. Computer Vision is used for early diagnosis of lung disease suffered by the patient through X-ray images. Machine Learning is built using the Transfer Learning system, which means Move the existing model and adapt it to the data used. The basic model used is type MobileNetV2 which has been developed in terms of performance to deal with tasks that have benchmarks and spectrum broad. The model algorithm is adjusted to the output channel for 4 labels. Machine Learning through iterations and processes learning as much as 15 times the epoch. Iteration results are obtained after a process of 1 hour 15 minutes 42 seconds, with numerical accuracy 91.54 percent. In addition, empirical accuracy is obtained from validation results using data that is not used in the process Machine Learning iterations. Empirical accuracy has a value of 92.5 percent. Characteristics of X-ray images that can be effective predicted is an image that has been converted to a size of 256 × 256 pixels. As for the X-ray image of each label has the uniqueness of each in terms of the color index or array of each pixel.