Implementasi HE, AHE, dan CLAHE Pada Metode Convolutional Neural Network untuk Identifikasi Citra X-Ray Paru-Paru Normal atau Terinfeksi Covid19

Abstrak

Pada tanggal 7 Juni 2022 secara global terdapat 232 negara dengan total kasus infeksi Covid 19 mencapai 529.410.287 kasus serta 6.296.771 kasus kematian. Diagnosis secara cepat dan tepat diperlukan untuk menangani permasalahan tersebut, sehingga dapat menekan penyebaran virus yang semakin meluas dan tidak terkendali. Saat ini, diagnosis berbasis komputer dapat digunakan oleh tenaga medis dalam mendiagnosis pneumonia pada Covid 19. Diagnosis berbasis komputer dapat menggunakan teknologi klasifikasi dalam deep learning dengan memanfaatkan data citra x-ray. Salah satu metode dalam deep learning yang dapat menangani persoalan klasifikasi dan segmentasi melalui data citra yaitu Convolutional Neural Network (CNN). Penelitian ini melakukan pengujian perbandingan performa HE, AHE, dan CLAHE terhadap akurasi CNN yang diperoleh. Hasilnya akan digunakan sebagai model untuk mendiagnosis citra x-ray apakah citra termasuk kategori Covid 19 atau normal menggunakan metode transfer learning. Berdasarkan pengujian yang telah dilakukan performa model terbaik diperoleh model CLAHE 50 epochs dengan accuracy, precision, recall, f1-score, dan AUC 96.4 %. Sedangkan pengujian kemampuan model dalam mendiagnosis 40 citra baru diperoleh akurasi 100% untuk kelas Covid 19 dan 70% pada kelas normal dengan akurasi rata-rata 85%.