ALIKA RAHMARSYARAH RIZALDE, -
(2025)
Penerapan Convolutional Neural Network Untuk Klasifikasi Citra Penyakit Kardiomegali.
In: International Conference on Computer Science, Engineering, & Technology Innovation (ICoCSETI 2025), 21 Januari 2025, Jakarta.
Abstract
Jantung memegang peranan yang sangat penting bagi kelangsungan hidup sebagai organ utama yang berfungsi memompa darah untuk memenuhi kebutuhan oksigen dan nutrisi ke seluruh tubuh. Terdapat beberapa kondisi dimana jantung tidak dapat melaksanakan tugasnya dengan baik, antara lain penyakit arteri koroner, kelainan ginjal, hipertensi, kelainan bawaan, infeksi, dan kardiomiopati. Akibat dari berbagai macam penyakit jantung ini dapat menyebabkan kardiomegali. Kardiomegali terjadi ketika ukuran jantung melebihi 50% dari diameter bagian dalam tulang rusuk. Untuk mengetahui terdeteksi kardiomegali dapat diagnosis terlebih dahulu. Diagnosis kardiomegali biasanya dilakukan dengan pemeriksaan fisik, tes darah, dan pencitraan medis seperti rontgen dada. Metode diagnostik tradisional untuk pembesaran jantung biasanya melibatkan pemeriksaan fisik, elektrokardiogram (EKG), dan pencitraan medis seperti rontgen dada. Deep learning telah muncul sebagai metode yang lebih disukai untuk analisis gambar. Convolutional Neural Network (CNN) adalah algoritma pembelajaran mendalam yang lazim yang secara khusus digunakan dalam berbagai aplikasi yang berhubungan dengan gambar. Penelitian ini menggunakan arsitektur DenseNet169, InceptionResNetV2, dan MobileNetV2 dengan pengoptimal Adagrad, Nadam, dan SGD, yang dievaluasi dengan menggunakan confusion matrix untuk mengetahui kinerja evaluasi model dari setiap percobaan. Hasil percobaan dari beberapa model tersebut memiliki nilai akurasi tertinggi yaitu pada arsitektur DenseNet169 dengan pengoptimal Nadam sebesar 90% dan juga arsitektur MobileNetV2 Nadam mencapai 87%. Kedua arsitektur CNN ini dapat dikatakan cukup baik dalam membantu mendeteksi penyakit kardiomegali dengan klasifikasi citra.
Actions (login required)
 |
View Item |
