i
KLASIFIKASI COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN CONVULUTIONAL NEURAL
NETWORK (CNN)
SKRIPSI
Sebagai Persyaratan Guna Meraih Gelar Sarjana Teknik Elektro Universitas Muhammadiyah Malang
Disusun oleh:
JULIANTO MUCHTADIRUL HASAN NIM. 201710130311116
JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2022
ii
iii
iv
v
LEMBAR PERSEMBAHAN
Puji syukur kepada Allah Subhanahu Wa Ta’ala atas rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. Penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :
1. Allah SWT yang selalu memberikan kemudahan, kelancaran, dan petunjuk dalam pengerjaan tugas akhir ini.
2. Kedua orang tua saya Bapak Rianto dan Ibu Dwi Lestyaningsih yang telah support saya dan memberikan do’a untuk kesuksesan saya.
3. Kakek nenek saya Bapak Kasemin dan Alm. Ibu Tumiati yang selalu menemani saya dan membuat semangat saya selalu meningkat.
4. Dekan Fakultas Teknik Bapak Dr. Ahmad Mubin, M.T. dan Keluarga (FT).
Serta para Pembantu Dekan Fakultas Teknik dan keluarga besar Universitas Muhammadiyah Malang.
5. Ketua Jurusan Teknik Elektro Bapak Khusnul Hidayat, S.T., M.T. dan Sekretaris Jurusan Teknik Elektro Ibu Merinda Lestandy, S.Kom., M.T.
beserta seluruh jajaran staf.
6. Bapak M. Chasrun Hasani, M.T. dan Novendra Setyawan, S.T., M.T.yang telah meluangkan waktu untuk membimbing penulis dalam menyelesaikan skripsi ini.
7. Bapak dan Bapak yang telah menjadi penguji sidang skripsi ini. Seluruh Civitas Akademika (dosen, asisten, dan karyawan) Universitas Muhammadiyah Malang yang telah membekali ilmu dan membantu penulis selama proses studi.
8. Sahabat sejati dan keluarga saya Kontrakan Pak Habsin yang selalu menemani di kala suka maupun duka, dan selalu memberikan semangat sekaligus support selama empat tahun belakang ini.
9. Sahabat lama saya teman teman vespa Ucok, Tole, Ikhsan yang telah menemani dan memberikan dukungan penuh di kehidupan perkuliahan saya.
vi
10. Calon istri saya Aisyah Nur Rizkillah yang telah menemani dan memberikan dukungan penuh di kala suka maupun duka, dan selalu memberikan semangat sekaligus support selama masa kuliah.
vii
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah Subhanahu Wa Ta’ala. Atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul :
“
KLASIFIKASI COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN CONVULUTIONAL NEURAL
NETWORK (CNN)
”Penulisan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar sarjana Teknik di Universitas Muhammadiyah Malang, selain itu penulis berharap tugas akhir ini dapat memperluas pustaka dan pengetahuan utamanya dalam bidang elektronika dan informatika.
Penulis menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu penulis mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan ke depan.
Akhir kata semoga buku ini dapat bermanfaat di masa sekarang dan masa mendatang. Sebagai manusia yang tidak luput dari kesalahan, maka penulis mohon maaf apabila ada kekeliruan baik yang sengaja maupun yang tidak sengaja.
Malang, Januari 2022 Penulis
viii
DAFTAR ISI
LEMBAR JUDUL ... i
LEMBAR PERSETUJUAN ... iii
LEMBAR PENGESAHAN ... iii
SURAT PERNYATAAN ... iv
LEMBAR PERSEMBAHAN ... v
KATA PENGANTAR ... vii
DAFTAR ISI ... viii
DAFTAR GAMBAR ... x
DAFTAR TABEL ... xi
DAFTAR LAMPIRAN ... xiiError! Bookmark not defined. BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 4
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 COVID-19 ... 5
2.2 X-RAY ... 6
2.3 Pengolahan Citra ... 6
2.4 Scalling ... 8
2.5 Grayscale ... 8
2.6 Contrast Scretching ... 9
ix
2.7 Thresholding ... 10
2.8 Convolutional Neural Network ... 10
2.8.1 Convolutional Layer ... 11
2.8.2 Pooling Layer ... 11
2.8.3 Fully Connected Layer ... 12
BAB III METODE PENELITIAN ... 13
3.1 Dataset ... 13
3.2 Pre-Prossesing ... 14
3.2.1 Splitting ... 14
3.2.2 Mempersiapkan Variable Global ... 15
3.2.3 Augmentasi Gambar ... 15
3.3 Membangun Struktur Convolutional Neural Network ... 16
3.4 Klasifikasi Deteksi Paru-paru COVID-19 ... 18
3.5 Performa ... 19
BAB IV HASIL DAN PENGUJIAN ... 21
4.1 Pengumpulan dan Pembacaan Citra X-Ray Paru-Paru ... 21
4.2 Kompilasi Model ... 22
4.3 Hasil Pengujian ... 23
4.4 Hasil Pengujian Kesesuaian Sistem ... 26
BAB V PENUTUP ... 31
5.1 Kesimpulan ... 31
5.2 Saran ... 31
DAFTAR PUSTAKA ... xiii
LAMPIRAN ... xv
x
DAFTAR GAMBAR
Gambar 2.1 X-Ray paru-paru COVID-19 ... 6
Gambar 2.2 Citra Digital (Nixon danAguado, 2002) ... 7
Gambar 2.3 Operasi Konvulusi ... 11
Gambar 2.4 Pooling layer ... 12
Gambar 3.1 Diagram Blok Proses Perancangan Sistem ... 13
Gambar 3.2 X-Ray Paru-Paru ... 14
Gambar 3.3 Source Code Splitting Gambar ... 15
Gambar 3.4 Mempersiapkan Variable Global ... 15
Gambar 3.5 Source Code Augmentasi Gambar ... 16
Gambar 3.6 Proses Training Dataset ... 16
Gambar 3.7 Source Code Arsitektur Convolutional Neural Network ... 17
Gambar 3.8 (a) Flowchart tahap training klasifikasi COVID-19 ... 18
(b) Flowchart tahap testing klasifikasi COVID-19 ... 18
Gambar 4.1 Source Code Menghubungkan Directory Dataset Dengan Folder Pada Google Drive ... 22
Gambar 4.2 Kompilasi Model ... 22
Gambar 4.3 Proses Training ... 22
Gambar 4.4 Menampilkan Hasil Training Model Accuracy Dan Validation Accuracy ... 24
Gambar 4.5 Plotting Grafik Hasil Training Model Accuracy Dan Loss ... 24
Gambar 4.6 Hasil Precision, Recall, F1-Score, Dan Support ... 24
Gambar 4.7 Confusion Matriks Hasil Training Model Dalam Bentuk Heatmap ... 25
Gambar 4.8 Kesesuain Deteksi Citra X-Ray Paru-Paru COVID-19 ... 26
Gambar 4.9 Kesesuain Deteksi Citra X-Ray Paru-Paru COVID-19 ... 27
Gambar 4.10 Kesesuain Deteksi Citra X-Ray Paru-Paru Normal ... 27
Gambar 4.11 Kesesuain Deteksi Citra X-Ray Paru-Paru COVID-19 ... 29
Gambar 4.12 Kesesuain Deteksi Citra X-Ray Paru-Paru Normal ... 29
Gambar 4.13 Ketidaksesuain Deteksi Citra X-Ray Paru-Paru ... 29
xi
DAFTAR TABEL
Tabel 3.1 Klasifikasi COVID-19 Dataset ... 13
Tabel 3.2 Confusion Matrix ... 19
Tabel 4.1 Contoh Sampel Gambar X-Ray Paru-Paru ... 21
Tabel 4.2 Hasil Training Model CNN ... 23
Tabel 4.2 Hasil Deteksi X-Ray Paru-Paru RS Umum Universitas Muhammadiyah Malang ... 26
Tabel 4.4 Hasil Deteksi X-Ray Paru-Paru Kaggel.com2 ... 8
xii
DAFTAR LAMPIRAN
Lampira 1 source code ...xvi
xiii
DAFTAR PUSTAKA
[1] H. A. Rothan and S. N. Byrareddy, “The Epidemiology And Pathogenesis Of Coronavirus Disease (COVID-19) Outbreak,” J. Autoimmun., vol. 109, no. February, p. 102433, 2020, doi: 10.1016/j.jaut.2020.102433..
[2] G. Pascarella et al., “COVID-19 Diagnosis And Management: A Comprehensive Review,” J. Intern. Med., vol. 288, no. 2, pp. 192–206, 2020, doi: 10.1111/joim.13091.
[3] N. Y. Damo, J. P. Porotu’o, G. I. Rambert, and F. E. S. Rares, “Diagnostik Coronavirus Disease 2019 (COVID-19) dengan Pemeriksaan Laboratorium Mikrobiologi Klinik,” J. e-Biomedik, vol. 9, no. 1, pp. 77–86, 2021, doi:
10.35790/ebm.v9i1.31899.
[4] J. Ren, R. Ren, M. Green, and X. Huang, “Defect Detection from X-Ray Images Using A Three-Stage Deep Learning Algorithm,” 2019 IEEE Can.
Conf. Electr. Comput. Eng. CCECE 2019, pp. 1–4, 2019, doi:
10.1109/CCECE.2019.8861944.
[5] Garlapati, K., Kota, N., Mondreti, Y. S., Gutha, P., & Nair, A. K. (2021, June). Detection of COVID-19 Using X-ray Image Classification. In 2021 5th International Conference on Trends in Electronics and Informatics (ICOEI) (pp. 745-750). IEEE.
[6] A. A. Khan, S. Shafiq, R. Kumar, J. Kumar, and A. U. Haq, “H3DNN: 3D Deep Learning Based Detection of COVID-19 Virus using Lungs Computed Tomography,” 2020 17th Int. Comput. Conf. Wavelet Act.
Media Technol. Inf. Process. ICCWAMTIP 2020, pp. 183–186, 2020, doi:
10.1109/ICCWAMTIP51612.2020.9317357.
[7] D. F. Eljamassi and A. Y. Maghari, “COVID-19 Detection from Chest X- ray Scans using Machine Learning,” Proc. - 2020 Int. Conf. Promis.
Electron. Technol. ICPET 2020, pp. 1–4, 2020, doi:
10.1109/ICPET51420.2020.00009.
[8] Z. Liang, J. X. Huang, J. Li, and S. Chan, “Enhancing Automated COVID-
xiv
19 Chest X- ray Diagnosis by Image-to-Image GAN Translation,” Proc. - 2020 IEEE Int. Conf. Bioinforma. Biomed. BIBM 2020, pp. 1068–1071, 2020, doi: 10.1109/BIBM49941.2020.9313466.
[9] P. K. Sethy, S. K. Behera, P. K. Ratha, and P. Biswas, “Detection of coronavirus disease (COVID-19) based on deep features and support vector machine,” Int. J. Math. Eng. Manag. Sci., vol. 5, no. 4, pp. 643–651, 2020, doi: 10.33889/IJMEMS.2020.5.4.052.
[10] Ulya, W. M. (2020). PANDEMI_COVID_19_PATOGENESIS
EPIDEMIOLOG.
[11] Susilo, A., Martin Rumende, C., Pitoyo, C. W., Djoko Santoso, W., Yulianti, M., Sinto, R., Singh, G., Nainggolan, L., Nelwan, E. J., Khie Chen, L., Widhani, A., Wijaya, E., Wicaksana, B., Maksum, M., Annisa, F., Jasirwan, C. O., & Yunihastuti, E. (2020). TINJAUAN PUSTAKA. In Jurnal Penyakit Dalam Indonesia | (Vol. 7, Issue 1).
[12] Levani, Prastya, & Mawaddatunnadila. (2021). Coronavirus Disease 2019 (COVID-19): Patogenesis, Manifestasi Klinis dan Pilihan Terapi. Jurnal Kedokteran Dan Kesehatan, 17(1), 44–57.
[13] Saputra, D. I. S., Pranata, T. B., & Handani, S. W. (2016). Prototype Aplikasi Pengolah Citra Invert Sebagai Media Pengolah Klise Foto. Jurnal Teknik Informatika Dan Sistem Informasi, 84–89.
[14] Utara, U. S. (2018). Klasifikasi Pneumonia Menggunakan Convolutional Neural Network Fakultas Ilmu Komputer Dan Teknologi Informasi.
xv