Penerapan Machine Learning Dalam Sistem Klasifikasi Paru-Paru Yang Terkena Pneumonia Menggunakan Model Convolutional Neural Network (CNN) Dengan Tensorflow

Abstract

Pneumonia merupakan salah satu penyakit infeksi paru-paru yang dapat menyebabkan kematian, terutama pada anak-anak dan lansia. Deteksi dini sangat penting dilakukan untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk membangun sistem klasifikasi citra X-ray paru-paru menggunakan metode Convolutional Neural Network (CNN) agar proses diagnosis dapat dilakukan secara cepat dan akurat. Model dikembangkan menggunakan framework TensorFlow dengan arsitektur yang terdiri dari lapisan konvolusi, batch normalization, pooling, dan dropout. Dataset yang digunakan berasal dari Kaggle sebanyak 8.864 citra, terdiri dari 4.432 citra pneumonia dan 4.432 citra normal. Model CNN yang dibangun menghasilkan akurasi sebesar 91,4%, presisi 91,7%, recall 97,3%, dan F1-score 94,4%. Sebagai pembanding, digunakan arsitektur ResNet yang memberikan hasil lebih baik dengan akurasi 92,8%, presisi 93,3%, recall 98,3%, dan F1-score 95,7%. Hasil tersebut menunjukkan bahwa metode CNN dan ResNet efektif dalam mendeteksi pneumonia melalui citra X-ray, serta dapat menjadi solusi sistem bantu diagnosis yang akurat dan efisien di bidang medis.