Penerapan transfer learning pada convolutional neural networks dalam deteksi covid-19.
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Pandemi Covid-19 menjadi masalah serius di Dunia termasuk Indonesia sampai saat ini, virus yang muncul pada akhir tahun 2019 ini masih menjadi masalah serius. Jumlah kasus orang yang terinfeksi terus meningkat dan mencapai angka lebih dari dua ratus juta kasus di seluruh dunia. Untuk melakukan tes cepat ini tidak langsung berjalan dengan lancar tetapi mengalami banyak kendala yang dialami oleh tim Medis, salah satunya keterbatasan kit tes Covid-19, sehingga ilmuwan mengambil langkah diagnosis lainnya. Dalam bidang informatika ilmuwan banyak menggunakan beberapa diagnosis salah satunya gambar X-ray pada paru-paru. Gambar CXR pada saat ini sering digunakan untuk proses deteksi menggunakan algoritma CNN. Penelitian ini menggunakan metode transfer learning yang akan diuji dalam dataset skala besar dan kecil. Hasil terbaik dari semua model yang dicoba yaitu MobileNet dengan hasil akurasi 98.11% yang diuji pada dataset skala besar dan paling rendah didapat oleh ResNet50 yang diuji pada dataset skala kecil dengan akurasi 41.94%. Dataset dalam skala besar juga menjunjukkan peningkatan akurasi pada semua model transfer learning yang diuji.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis, dan penulis mengakui bahwa Jnanaloka sebagai pihak yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution (CC BY). Lisensi ini mengijinkan untuk, Berbagi yakni menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; dan Adaptasi yakni menggubah, mengubah, dan membuat turunan dari materi iniuntuk kepentingan apapun, termasuk kepentingan komersial dengan ketentuan Atribusi
Cara Mengutip
Referensi
K. Roosa, Y. Lee, R. Luo, A. Kirpich, R. Rothenberg, J. Hyman, P. Yan, dan G. b. Chowell, “Real-time forecasts of the covid-19 epidemic in china from february 5th to february 24th, 2020,” Infectious Disease Modelling, vol. 5, pp. 256–263, 2020.
L. Yan, H.-T. Zhang, Y. Xiao, M. Wang, Y. Guo, C. Sun, X. Tang, L. Jing, S. Li, M. Zhang et al., “Prediction of criticality in patients with severe covid-19 infection using three clinical features: a machine learning-based prognostic model with clinical data in wuhan,” MedRxiv, 2020.
“Covid live update: 202,597,134 cases and 4,294,653 deaths from the coronavirus - worldometer.” https://www.worldometers.info/coronavirus/,diakses 7 Agustus 2021.
W. Rawat dan Z. Wang, “Deep convolutional neural networks for image classification: A comprehensive review,” Neural computation, vol. 29, no. 9, pp. 2352–2449, 2017.
R. Siddiqi, “Effectiveness of transfer learning and fine tuning in automated fruit image classification,” in Proceedings of the 2019 3rd International Conference on Deep Learning Technologies, 2019, pp. 91–100.
B. K. Umri, E. Utami, dan M. P. Kurniawan, “Tinjauan literatur sistematik tentang deteksi covid-19 menggunakan convolutional neural networks,” Creative Information Technology Journal, vol. 8, no. 1, pp. 9–21, 2021.
M. M. Rahaman, C. Li, Y. Yao, F. Kulwa, M. A. Rahman, Q. Wang, S. Qi, F. Kong, X. Zhu, dan X. Zhao, “Identification of covid-19 samples from chest x-ray images using deep learning: A comparison of transfer learning approaches,” Journal of X-ray Science and Technology, no. Preprint, pp. 1–19, 2020.
I. D. Apostolopoulos dan T. A. Mpesiana, “Covid-19: automatic detection from x-ray images utilizing transfer learning with convolutional neural networks,” Physical and Engineering Sciences in Medicine, vol. 43, no. 2, pp. 635–640, 2020.
A. Makris, I. Kontopoulos, dan K. Tserpes, “Covid-19 detection from chest x-ray images using deep learning and convolutional neural networks,” in 11th Hellenic Conference on Artificial Intelligence, 2020, pp. 60–66.
P. Sethy dan S. Behera, “Detection of coronavirus disease (covid-19) based on deep features, preprints, 2020,” DOI: https://doi. org/10.20944/preprints202003, vol. 300, p. v1.
R. Mohammadi, M. Salehi, H. Ghaffari, A. Rohani, dan R. Reiazi, “Transfer learning- based automatic detection of coronavirus disease 2019 (covid-19) from chest x-ray images,” Journal of Biomedical Physics & Engineering, vol. 10, no. 5, p. 559, 2020.
T. D. Pham, “A comprehensive study on classification of covid-19 on computed tomogra- phy with pretrained convolutional neural networks,” Scientific reports, vol. 10, no. 1, pp. 1–8, 2020.
W. S. E. Putra, “Klasifikasi citra menggunakan convolutional neural network (cnn) pada caltech 101,” Jurnal Teknik ITS, vol. 5, no. 1, 2016.
S. Hijazi, R. Kumar, C. Rowen et al., “Using convolutional neural networks for image recognition,” Cadence Design Systems Inc.: San Jose, CA, USA, pp. 1–12, 2015.
“Covid-19 radiography database | kaggle.” https://www.kaggle.com/tawsifurrahman/ covid19-radiography-database/,diakses 14 Juni 2021.