Pengaruh Dataset terhadap Performa Convolutional Neural Network pada Klasifikasi X-Ray Pasien Covid-19

Abstract

Identifikasi pasien COVID-19 di Indonesia merupakan sebuah permasalahan yang harus diatasi. Identifikasi tersebut sebaiknya bisa lebih mudah dan cepat, sehingga deteksi dini pasien COVID-19 merupakan hal yang harus diperhatikan. Saat ini deteksi pasien COVID-19 bergantung pada Swab Test (RT-PCR) dan Rapid Test (Tes Antibodi), padahal Rapid Test tidak bisa memberikan tingkat akurasi yang tinggi sedangkan Swab Test memiliki biaya yang mahal. Salah satu solusi untuk membantu deteksi dini pasien COVID-19 adalah dengan memanfaatkan citra X-Ray paru dari pasien. Algoritma Convolutional Neural Network (CNN) adalah salah satu algoritma popular dengan performa yang sangat baik pada klasifikasi citra X-Ray pasien COVID-19. Walaupun CNN memiliki performa yang baik, keberhasilan suatu algoritma sangat bergantung dengan kualitas dataset yang digunakan. Selain itu citra X-Ray sangat bergantung terhadap pencahayaan di proses pengambilan gambar. Untuk itu perlu analisa pengaruh dataset terhadap performa model CNN yang digunakan. Penelitian ini bertujuan untuk melihat pengaruh kualitas dataset dan jumlah dataset terhadap performa CNN pada klasifikasi X-Ray pasien COVID-19. Dari eksperimen yang dilakukan terhadap dataset yang ada, CNN dapat mencapai akurasi sebesar 89,83%, sensitivitas sebesar 84,14%, spesifisitas sebesar 92,14%, PPV sebesar 71,35%, NPV sebesar 95,09 dan F1-score sebesar 76,10%. Sehingga dapat disimpulkan bahwa CNN memiliki performa yang baik dalam melakukan klasifikasi citra X-Ray pasien COVID-19, meskipun hasil tersebut lebih rendah dibandingkan dengan performa CNN terhadap dataset dengan jumlah dan kualitas citra yang lebih baik. Hal tersebut menunjukkan bahwa kualitas dan jumlah dataset sangat berpengaruh pada performa CNN dalam melakukan proses klasifikasi X-Ray.