Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Putra, Wahyu Zainur
Unknown Affiliation
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Covid-19 menggunakan Arsitektur DarkCovidNet pada Citra Radiografi X-ray Dada Wahyuningrum, Rima Tri; Putra, Wahyu Zainur; Satoto, Budi Dwi; Sari, Amillia Kartika; Sensusiati, Anggraini Dwi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.69817

Abstract

Covid-19 adalah penyakit severe acute respiratory syndrome. Coronavirus menjadi penyebab gangguan pernapasan dan infeksi paru paru, sehingga dapat menyebabkan kematian. Penyakit Covid-19 sudah tersebar ke seluruh negara termasuk negara Indonesia. Meskipun saat ini, Covid-19 telah mereda namun pencegahan maupun penanganannya tetap dibutuhkan. Oleh karena itu sangat diperlukan alat untuk mendiagnosis penyakit Covid-19 pada X-ray dada. Penggunaan klasifikasi citra berfungsi untuk memproses penggabungan piksel pada suatu citra ke dalam kelompok untuk diinterpretasikan sebagai bentuk properti yang spesifik. Dengan klasifikasi citra, mampu mempermudah pengelompokan individu untuk mewakili fitur kelas citra. Pada penelitian citra radiografi X-ray dada ini, menggunakan multiclass-classification yang terdiri dari 3 kelas yaitu: Covid-19, Normal (No-Findings), dan Pneumonia. Dataset yang diperoleh berjumlah 4.945 citra X-ray.   Pertama, dilakukan proses input citra dan resize image. Setelah itu dilakukan pembagian data yaitu 80% sebagai data train dan 20% sebagai data test. Pada proses pelatihan (train) akan menggunakan model DarkCovidNet. Arsitektur yang diusulkan terdiri dari 19 convolutional layer dan 5 maxpooling. Model ini terdapat proses DarkNet (DN). DN terdiri dari proses convolutional, batch normalization dan LeakyReLU. Pada skenario uji coba menggunakan optimasi Adam, reduce learning rate, dan menambahkan 3 hidden layer. Hasil uji coba terbaik terdapat pada uji coba keempat dengan hasil akurasi sebesar 95,85%, F1-score 95,89%, AUC 99,48%. Dengan demikian model DarkCovidNet tersebut sangat bagus dalam melakukan klasifikasi citra X-ray dada.
Co-Authors Amillia Kartika Sari Budi Dwi Satoto Rima Tri Wahyuningrum Sensusiati, Anggraini Dwi