Arsitektur Alexnet Convolution Neural Network (CNN) Untuk Mendeteksi Covid-19 Image Chest-Xray

Penulis

  • Adhitio Satyo Bayangkari Karno Universitas Gunadarma
  • Widi Hastomo ITB-Ahmad Dahlan Jakarta
  • Yasin Efendi Universitas Muhammadiyah Jakarta
  • Diyah Ruri Irawati STMIK Jakarta STI&K

Abstrak

Penelitian ini bermaksud untuk membantu para medis khususnya ahli radiologi dan komunitas agar dapat mendiagnosa dengan cepat pasien covid-19 dari data image chest X-ray menggunakan Convolution Neural Network (CNN). Walaupun kualitas yang tidak terlalu tinggi AlexNet memerlukan operasi yang minim, oleh karena itu arsitektur ini dipergunakan untuk mengatasi keterbatasan performa komputer. Dengan mengatur berbagai parameter yang ada, AlexNet dapat memberikan kualitas sebaik mungkin. Dataset chest X-ray berjumlah 4.000 image, terdiri dari 4 klasifikasi yaitu covid, normal, lung opacity dan viral pneumonia masing-masing dengan jumlah data 1.000 image. Hasil penelitian dengan trainning 25 epoch diperoleh nilai akurasi sebesar 85,5%.. Kata kunci — AlexNet, Deep Learning, Convolution Neral Network, COVID-19, Chest x-ray.

Unduhan

Diterbitkan

2021-08-13

Cara Mengutip

Karno, A. S. B. . ., Hastomo , W. ., Efendi, Y. . ., & Irawati, D. R. . . (2021). Arsitektur Alexnet Convolution Neural Network (CNN) Untuk Mendeteksi Covid-19 Image Chest-Xray . Proceeding KONIK (Konferensi Nasional Ilmu Komputer), 5(1), 482–485. Diambil dari https://prosiding.konik.id/index.php/konik/article/view/105