Implementasi CNN dan MobileNet untuk Mendeteksi Penyakit Pneumonia dan COVID-19 dengan Menggunakan  Aplikasi Smartphone

Michael Jeffrey Sulistio

Authors

Michael Jeffrey Sulistio Universitas Tarumanagara

Keywords:

CNN, MobileNet, Pneumonia, COVID-19, Nadam.

Abstract

Pneumonia dan COVID-19 adalah dua penyakit pernapasan yang dapat menyebabkan kematian. Diagnosis dini kedua penyakit ini sangat penting untuk meningkatkan keberhasilan pengobatan. Salah satu metode diagnosis yang dapat digunakan adalah dengan menggunakan citra foto rontgen dada. Dalam penelitian ini, peneliti mengusulkan metode deteksi pneumonia dan COVID-19 menggunakan aplikasi smartphone. Metode ini menggunakan Convolutional Neural Network (CNN) dan MobileNet. CNN adalah model pembelajaran mesin yang dapat digunakan untuk mengenali pola dalam citra. MobileNet adalah arsitektur CNN yang dirancang untuk komputasi mobile. Data yang digunakan dalam penelitian ini adalah citra foto rontgen dada dari 584 pasien pneumonia bacterial, 715 pasien pneumonia viral, 1114 pasien COVID-19, dan 1197 pasien normal. Citra-citra tersebut dibagi menjadi dua set, yaitu set pelatihan dan set pengujian. Set pelatihan digunakan untuk melatih model CNN, sedangkan set pengujian digunakan untuk mengevaluasi kinerja model. Dalam penelitian ini, peneliti membandingkan kinerja tiga optimizer, yaitu Adam, AdaMax, dan Nadam, dalam pelatihan model CNN. Hasil penelitian menunjukkan bahwa model CNN yang dilatih dengan optimizer Nadam memiliki akurasi tertinggi, yaitu 97% untuk accuracy dan 6% untuk loss. Model CNN yang dilatih dengan optimizer Adam memiliki akurasi 96% dan 10% untuk loss. Model CNN yang dilatih dengan optimizer AdaMax memiliki akurasi 94% dan 13% untuk loss. Hasil penelitian ini menunjukkan bahwa optimizer Adam dapat digunakan untuk meningkatkan kinerja model CNN dalam mendeteksi pneumonia dan COVID-19.

References

Putra, A. B., et al. "Early Detection of Pneumonia Using Convolutional Neural Networks." Journal of Medical Imaging and Health Informatics, vol. 7, no. 3, 2017, pp. 563-568.

Susanto, A., et al. "Application of Convolutional Neural Network for Pneumonia Detection in X-Ray Images." Indonesian Journal of Electrical Engineering and Computer Science, vol. 15, no. 1, 2019, pp. 184-191.

Kurniawan, A., et al. "MobileNet: Efficient Convolutional Neural Network for Mobile Vision Applications." Journal of ICT Research and Applications, vol. 14, no. 2, 2020, pp. 116-131.

Utama, I. P. W., et al. "Implementation of MobileNet and Convolutional Neural Network for Efficient Pneumonia Detection on Smartphone Application." Indonesian Journal of Computer Science, vol. 5, no. 2, 2018, pp. 89-96.

Pratama, A. B., et al. "Mobile Applications for COVID-19 Symptom Monitoring and Detection: A Review." Journal of Information Systems and Informatics, vol. 2, no. 1, 2021, pp. 35-44.

Wijaya, T., et al. "The Role of Mobile Health Applications in Improving Healthcare Access: A Case Study in Rural Indonesia." International Journal of Public Health and Clinical Sciences, vol. 6, no. 2, 2019, pp. 123-134.

Suryadi, Y., et al. "Artificial Intelligence in Healthcare: Opportunities and Challenges in Indonesia." Journal of Artificial Intelligence in Medical Research, vol. 2, no. 1, 2022, pp. 15-23.

Prasetyo, A. M., et al. "Diversity of Medical Imaging Characteristics in Indonesian Population: A Retrospective Study." Journal of Medical Imaging and Radiation Sciences, vol. 49, no. 3, 2018, pp. 271-277.

Setiawan, R., et al. "Ethical Guidelines for Medical Data Usage in Artificial Intelligence Research." Journal of Ethics in Science and Technology, vol. 2, no. 1, 2021, pp. 20-27.

Santoso, A. B., et al. "Performance Evaluation of Deep Learning Models for Respiratory Disease Detection: A Case Study in Indonesian Hospitals." Journal of Health Informatics in Developing Countries, vol. 14, no. 2, 2020, pp. 1-12.

Alodokter, (2023, Feb. 12). Mengenal Macam-Macam Pneumonia[Online]. Available: https://www.alodokter.com/mengenal-macam-macam-pneumonia

WebMD, (2022, Nov. 28). What is Bacterial Pneumonia?[Online]. Available: https://www.webmd.com/lung/bacterial-pneumonia

A. M. REZA, "Realization of the Contrast Limited Adaptive Histogram Equalization (CLAHE) for Real-Time Image Enhancement," Journal of VLSI Signal Processing, vol. 28, no. 1, pp. 25-44, 2004.

A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, . M. Andreetto and H. Adam, "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision," Computer Science, 2017.

W. Wang, Y. Hu, T. Zou, H. Liu, J. Wang and X. Wang, "A New Image Classification Approach via Improved MobileNet Models with Local Receptive Field Expansion in Shallow Layers," Hindawi, vol. 1, no. 1, pp. 1-10, 2020.