KLASIFIKASI COVID-19 CHEST X-RAY DENGAN TIGA ARSITEKTUR CNN (RESNET-152, INCEPTIONRESNET-V2, MOBILENET-V2)

Authors

  • Widi Hastomo STMIK Jakarta STI&K
  • Sutarno STMIK Jakarta STI&K
  • Eko Hadiyanto STMIK Jakarta STI&K

Abstract

Dalam dekade terakhir ini pemanfaatan mesin learning, khususnya Convolution Neural Network (CNN) telah banyak membantu dunia kesehatan. Dengan melakukan proses pelatihan dari sejumlah besar dataset image, CNN mampu mengklasifikasikan image tak berlabel dengan cepat dan akurasi lebih tinggi dibandingkan metode mesin learning lainnya. Penelitian ini bertujuan mengoptimasi dari tiga arsitektur CNN (ResNet-152, InceptionResNet-V2, dan MobileNet-V2) untuk mengklasifikasi penyakit covid-19, dengan melakukan training 4000 dataset image Chest x-ray. Hasil akurasi testing dari ResNet-152 yaitu 99%, lebih tinggi dibangingkan InceptionResNet-V2 hasil 98%, dan MobileNet-V2 hasil 93%. dengan presisi tiap kelas adalah Covid (99%), Lung_Opacity (97%), Normal (99%), Viral_Pneumonia (99%).

Informasi Artikel


Cite This Article:

Widi Hastomo, Sutarno, Eko Hadiyanto, 2021, KLASIFIKASI COVID-19 CHEST X-RAY DENGAN TIGA ARSITEKTUR CNN (RESNET-152, INCEPTIONRESNET-V2, MOBILENET-V2), 5, 1, 28 August 2021, http://dx.doi.org/10.32409/jikstik.5.1.2830

Published

2021-08-28