ANALISIS AKURASI MODEL MOBILENETV2 DALAM KLASIFIKASI CITRA X-RAY UNTUK DETEKSI KONDISI PARU-PARU
DOI:
https://doi.org/10.22437/jop.v10i3.44453Keywords:
MobileNetV2, Klasifikasi Citra X-Ray, Deteksi Penyakit Paru-Paru, Deep Learning, Diagnosis OtomatisAbstract
Penelitian ini bertujuan untuk menganalisis akurasi model MobileNetV2 dalam melakukan klasifikasi citra X-ray pada deteksi empat kondisi paru-paru, yaitu Normal, Pneumonia, Cardiomegaly, dan Pneumothorax. Dataset yang digunakan terdiri dari 12.539 citra X-ray yang diambil dari repositori publik dan telah melalui proses preprocessing, augmentasi, serta pembobotan kelas untuk mengatasi ketidakseimbangan data. Model dikembangkan dengan metode transfer learning dan fine-tuning pada lapisan akhir MobileNetV2. Hasil pengujian pada data uji menunjukkan bahwa model yang diusulkan mampu mencapai nilai akurasi sebesar 99,42%, precision 98,87%, recall 98,88%, dan F1-score 98,86%. Seluruh hasil evaluasi ini melampaui standar medis minimal ≥90% aplikasi klinis. Temuan penelitian ini menegaskan bahwa MobileNetV2 sangat potensial digunakan sebagai alat bantu diagnosis otomatis berbasis citra X-ray, guna meningkatkan efektivitas deteksi dini penyakit paru-paru pada lingkungan klinis.
Downloads
References
Akay, M., Du, Y., Sershen, C. L., Wu, M., Chen, T. Y., Assassi, S., dan Akay, Y. M., 2021. Deep Learning Classification of Systemic Sclerosis Skin Using the MobileNetV2 Model. IEEE Open Journal of Engineering in Medicine and Biology, 2 : 104 110.
Baughan, N., Whitney, H. M., Drukker, K., Sahiner, B., Hu, T., Kim, G. H., McNitt- Gray, M., Myers, K. J., dan Giger, M. L., 2023.
Sequestration of Imaging Studies in MIDRC: Stratified Sampling to Balance Demographic Characteristics of Patients in a Multi-Institutional Data Commons. Journal of Medical Imaging, 10(6) : 064501.
Chandra, T. B., Verma, K., Singh, B. K., Jain, D., dan Netam, S. S., 2021. Covid-19 Detection in Chest X-Ray Images Using Majority Voting Based Classifier Ensemble. Expert Systems with Applications, 165 : 113909.
Diar, R. M., Fu'Adah, R. Y. N., dan Usman, K., 2022. Klasifikasi Kondisi Paru Paru Berbasis Pengolahan Citra X-Ray Menggunakan Convolutional Neural Network. e-Proceeding of Engineering, 9(2) : 476–482.
Gulzar, Y., 2023. Fruit Image Classification Model Based on MobileNetV2 with Deep Transfer Learning Technique. Sustainability, 15(3) : 1906.
Gunawan, D., dan Setiawan, H., 2022. Convolutional Neural Network dalam Analisis Citra Medis. KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 2 (2) : 377.
Hariyani, Y. S., Hadiyoso, S., dan Siadari, T. S., 2020. Deteksi Kondisi Covid-19 Berdasarkan Citra X-Ray Menggunakan Deep Residual Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Amp; Teknik Elektronika, 8(2) : 443.
Ilmadina, H. Z., Naufal, M., dan Wibowo, D. S., 2023. Drowsiness Detection Based on Yawning using Modified Pre- Trained Model MobileNetV2 and Resnet50. MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 22(3) : 419-430.
Irawan, C., Udayanti, E. D., dan Nugroho, F. H., 2013. Visualisasi dan Rekonstruksi 3D Citra Medis: Review. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2013 (Semantik 2013).
Islam, K. T., Wijewickrema, S. dan O’Leary, S., 2011. A Deep Learning Based Framework forthe Registration of Three Dimensional Multi‑Modal Medical Images of the Head. Scientifc Reports, 11(1860).
Jawaz, I., dan Rahmadewi R., 2024. Sistem Deteksi Pneumonia Paru-Paru dengan Pengolahan Citra Digital dan Machine Learning. ELECTRON Jurnal Ilmiah Teknik Elektro, 5(1) : 1-9.
Jia, S., Ying, W., Wang, W., Zhang, Q., dan Zhang, X., 2021. Value of Medical Imaging Artificial Intelligence in the Diagnosis and Treatment of New Coronavirus Pneumonia. Expert Systems, 39(3) : 1-15.
Lopera, A. F. L., Cardona, H. D. V., Daza- Santacoloma, G., Álvarez, M. A., dan Orozco, Á. A., 2014. Comparison of Preprocessing Methods for Diffusion Tensor Estimation in Brain Imaging. 2014 XIX Symposium on Image, Signal Processing and Artificial Vision, 1-5.
Maysanjaya, I. M. D., 2020. Klasifikasi Pneumonia Pada Citra X-Rays Paru Paru dengan Convolutional Neural Network. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 9(2) : 190-195.
Musha, A., Mamun, A. A., Tahabilder, A., Hossen, J., Jahan, B., dan Ranjbari, S., 2022. A Deep Learning Approach for Covid-19 and Pneumonia Detection from Chest X-Ray Images. International Journal of Electrical and Computer Engineering (IJECE), 12(4) : 3655.
Olayiwola, J. O., Badejo, J. A., Okokpujie, K., dan Awomoyi, M. E., 2023. Lung- Related Diseases Classification Using Deep Convolutional Neural Network. Mathematical Modelling of Engineering Problems, 10(4) : 1097-1104.
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., dan Chen, L., 2018. MobileNetV2: Inverted Residuals and Linear Bottlenecks. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 4510-4520.
Shamrat, FMJM., Azam, S., Karim, A., Ahmed, K., Bui, FM., dan De Boer, F., 2023. High Precision Multiclass Classification of Lung Disease Through Customized MobileNetV2 from Chest X-Ray Images. Computers in Biology and Medicine, 155 : 106646.
Taylor-Phillips, S., dan Stinton, C., 2019. Fatigue in Radiology: a Fertile Area for Future Research. British Journal of Radiology, 1099 (92) : 20190043.
Widiarto, S. A., Saputra, W. A., dan Dewi, A. R., 2021. Klasifikasi Citra X-Ray Toraks dengan Menggunakan Contrast Limited Adaptive Histogram Equalization dan CNN (Studi Kasus: Pneumonia). JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 6(2) : 348-359.
Zhou L, Yin X, Zhang T, Feng Y, Zhao Y, Jin M, Peng M, Xing C, Li F, Wang Z, Wei G, Jia X, Liu Y, Wu X, dan Lu L., 2021. Detection and Semiquantitative Analysis of Cardiomegaly, Pneumothorax, and Pleural Effusion on Chest Radiographs. Radiology: Artificial Intelligence. 3(4) : e200172.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Abdan Syakuroh, Fiber Monado, Menik Ariani, Hadi Hadi, Erry Koriyanti, Erni Erni
This work is licensed under a Creative Commons Attribution 4.0 International License.
