Penerapan Convolutional Neural Network untuk Klasifikasi Penyakit Paru-Paru Berbasis Citra X-Ray Dada

Green Ferry Mandias; Reynoldus Andrias Sahulata; Ivanna Junamel Manoppo

doi:10.47134/jacis.v6i2.204

Authors

Green Ferry Mandias Universitas Klabat
Reynoldus Andrias Sahulata Universitas Klabat
Ivanna Junamel Manoppo Universitas Klabat

DOI:

https://doi.org/10.47134/jacis.v6i2.204

Keywords:

CNN, Classification, X-Ray, Deep Learning

Abstract

Penelitian ini bertujuan mengembangkan model Convolutional Neural Network (CNN) untuk mengklasifikasikan citra X-ray dada ke dalam tiga kategori, yaitu Lung Opacity, Normal, dan Viral Pneumonia. Model dikembangkan menggunakan dataset citra X-ray yang melalui tahap pra-pemrosesan meliputi normalisasi, augmentasi data, dan penyesuaian ukuran citra sebelum proses pelatihan. Evaluasi performa dilakukan menggunakan confusion matrix, precision, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 89%, dengan performa terbaik pada kelas Viral Pneumonia yang memperoleh F1-score sebesar 95%. Meskipun masih ditemukan kesalahan klasifikasi antara kelas Lung Opacity dan Normal, model mampu menunjukkan kemampuan generalisasi yang baik dalam membedakan karakteristik visual ketiga kelas. Hasil penelitian menunjukkan bahwa arsitektur CNN yang diusulkan berpotensi digunakan sebagai baseline model untuk sistem computer-aided diagnosis (CAD) berbasis citra X-ray paru

References

[1] D. R. Aldiansyah and M. Soleh, “Analisa Performa Arsitektur Model Convolutional Neural Network Dengan Variasi Jumlah Hidden Layer Untuk Klasifikasi Tuberculosis Pada Citra X-Ray,” J. Fasilkom, vol. 14, no. 3, pp. 729–734, 2024, doi: 10.37859/jf.v14i3.7949.

[2] A. N. D. Afkar, A. Rachmad, and E. M. S. Rochman, “Klasifikasi Pneumonia Dengan Metodw Convolutional Neural Network,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 5821–5828, 2025, doi: 10.36040/jati.v9i4.13938.

[3] M. Adzkia, F. Arland, and A. W. Setiawan, “Deteksi Pneumonia Menggunakan Citra Sinar-X Paru Berbasis Residual Network,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, pp. 373–380, 2022, doi: 10.25126/jtiik.202295626.

[4] T. Arifin and N. H. Surya, “Klasifikasi X - Ray Pneumonia dengan Metode Konvolusi Neural Network menggunakan Arsitektur VGG X-Ray,” Sitemasi J. Sist. Inf., vol. 11, no. 3, pp. 560–566, 2022, doi: 10.32520/stmsi.v11i3.1597.

[5] P. Rahmadewi, J. Y. K. Harahap, and E. Indra, “Algoritma Deep Learning untuk Pengklasifikasian Penyakit Radang Paru-Paru pada Citra Chest X-Ray dengan COnvolutional Neural Network,” J. Teknlogi Inform. dan Komput. MH. Thamrin, vol. 9, no. 1, pp. 14–23, 2023, doi: 10.37012/jtik.v9i1.1371.

[6] I. Jawaz and R. Rahmadewi, “Sistem Deteksi Pneumonia Paru-Paru dengan Pengolahan Citra Digital dan Machine Learning,” Electron J. Ilm. Tek. Elektro, vol. 5, no. 1, pp. 138–146, 2024, doi: 10.33019/electron.v5i1.114.

[7] B. S. Nusantara and M. Akbar, “Klasifikasi Penyakit Tuberculosis Berdasarkan Citra Rontgen Thorax Menggunakan Multi-Scale Convolutional Neural Network,” Sudo J. Tek. Inform., vol. 3, no. 1, p. 8, 2024, doi: 10.56211/sudo.v3i1.483.

[8] G. T. Indrawan, A. Nilogiri, and H. A. Al-Faruq, “Diagnosis COVID-19 Berdasarkan Citra X-ray Paru-Paru Menggunakan Metode Convolutional Neural Network,” J. Smart Teknol., vol. 3, no. 4, pp. 340–349, 2022.

[9] M. N. Fadlurrahman, A. E. Minarno, and Y. Azhar, “Klasifikasi COVID-19 Menggunakan Algoritma CNN,” REPOSITOR, vol. 5, no. 2, pp. 699–708, 2023, doi: 10.22219/repositor.v5i2.32060.

[10] M. Mamalakis et al., “Computerized Medical Imaging and Graphics DenResCov-19 : A deep transfer learning network for robust automatic classification of COVID-19 , pneumonia , and tuberculosis from X-rays,” Comput. Med. Imaging Graph., vol. 94, no. October, p. 102008, 2021, doi: 10.1016/j.compmedimag.2021.102008.

[11] B. Nugroho and E. Y. Puspaningrum, “Kinerja Metode CNN untuk Klasifikasi Pneumonia dengan Variasi Ukuran Citra Input,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 3, pp. 533–538, 2021, doi: 10.25126/jtiik.202184515.

[12] A. M. Tahir, Y. Qiblawey, A. Khandakar, T. Rahman, U. Khurshid, and F. Musharavati, “Deep Learning for Reliable Classification of COVID ‑ 19 , MERS, and SARS from Chest X ‑ ray Images,” Cognit. Comput., no. September, pp. 1752–1772, 2022, doi: 10.1007/s12559-021-09955-1.

[13] D. Kusuma and D. B. Rarasati, “Klasifikasi Penyakit Paru-Paru Dengan Citra X-Ray Menggunakan Metode Convolutional Neural Netwotk,” J. Ilm. Sains dan Teknol. Univ. Banten Jaya, vol. 9, no. 2, pp. 152–165, 2025, doi: 10.47080/saintek.v9i2.3528.

[14] F. N. Azizah and D. Juniati, “Analisis Jenis Penyakit Paru-Paru Berdasarkan Chest X-Ray Menggunakan Metode Fuzzy C-Means,” MATH unesa, vol. 09, no. 02, pp. 322–331, 2021.

[15] M. Hussein, A. E. Minarno, and Y. Azhar, “Segmentasi Citra X-ray Paru dengan Deep Learning,” REPOSITOR, vol. 5, no. 1, pp. 581–590, 2023, doi: 10.22219/repositor.v5i1.32034.

[16] M. A. Alghozali, J. R. Triosaputra, and A. Kayan, “Klasifikasi Penyakit Pneumonia Citra Digital X-Ray Menggunakan Metode Convolutional Neural Network dan RGB Equalization,” Pros. Semin. Nas. Teknol. dan Sains, vol. 3, pp. 229–236, 2024, doi: 10.29407/stains.v3i1.4290.

[17] R. M. Diar, R. Y. N. Fu’Adah, and K. Usman, “Klasifikasi Penyakit Paru-Paru Berbasis Pengolahan Citra X Ray Menggunakan Convolutional Neural Network,” E-Proceding Eng., vol. 9, no. 2, pp. 476–484, 2022.

[18] C. R. Leonard, I. Nurtanio, and A. Bustamin, “Systematic Literature Review : Deep Learning Pada Citra Sinar-X Paru Untuk Klasifikasi Penyakit,” Techno.COM, vol. 23, no. 3, pp. 512–531, 2024, doi: 10.62411/tc.v23i3.10961.

[19] P. M. De Sousa et al., “COVID-19 classification in X-ray chest images using a new convolutional neural network : CNN-COVID,” Res. Biomed. Eng., vol. 38, no. March, pp. 87–97, 2022, doi: 10.1007/s42600-020-00120-5.

[20] P. Syifa, S. Safwandi, and Z. Fitri, “Sistem Pakar Diagnosis Penyakit Paru menggunakan Metode Convolutional Neural Network dan Rule Based System,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1380–1392, 2025, doi: 10.36341/rabit.v10i2.6548.

[21] A. A. Nasser and M. A. Akhloufi, “A Review of Recent Advances in Deep Learning Models for Chest Disease Detection Using Radiography,” diagnostics, vol. 13, no. January, 2023, doi: 10.3390/diagnostics13010159.

[22] D. Meedeniya, H. Kumarasinghe, S. Kolonne, and C. Fernando, “Chest X-Ray Analysis Empowered With Deep Learning: A Systematic Review,” Appl. Soft Comput., vol. 126, no. January, 2022, doi: 10.1016/j.asoc.2022.109319.