Open AccessDeteksi Covid-19 pada Citra Sinar-X Dada Menggunakan Pre-Training Deep Autoencoder
Author(s) -
Fadhil Yusuf Rahadika,
Karina Amadea,
Andika Setiawan,
Griselda Anjeli Sirait,
Novanto Yudistira
Publication year - 2021
Publication title -
jurnal ilmu komputer dan agri-informatika
Language(s) - Uncategorized
Resource type - Journals
ISSN - 2654-9735
DOI - 10.29244/jika.8.2.95-104
Subject(s) - autoencoder , artificial intelligence , humanities , mathematics , computer science , artificial neural network , art
Deteksi Covid-19 umumnya menggunakan tes laboratorium dengan metode RT-PCR untuk mendapatkan hasil yang akurat. Sayangnya, tes ini membutuhkan waktu yang cukup lama yaitu sekitar 24 jam untuk mendapatkan hasil. Selain menggunakan RT-PCR, beberapa penelitian menunjukkan bahwa deteksi menggunakan citra sinar-X menunjukkan hasil yang cukup akurat dengan waktu prediksi yang lebih cepat. Citra sinar-X yang didominasi warna dalam jangkauan grayscale dapat dikatakan memiliki karakteristik yang berbeda jika dibandingkan dengan citra secara umum, sehingga dalam penelitian ini eksperimen dilakukan terhadap pelatihan untuk kasus klasifikasi citra sinar-X dengan melatih model dari awal (scratch). Namun seringkali model yang dilatih tanpa adanya pretraining menyebabkan model tidak dapat mencapai performa yang cukup baik. Salah satu bentuk metode pretraining yang dapat digunakan adalah penggunaan autoencoder sebagai model untuk rekonstruksi citra. Dalam penelitian ini pelatihan menggunakan pretraining autoencoder menghasilkan akurasi terbaik sebesar 81.78% dengan tambahan metode CutMix, color manipulation, dan rotation sebagai augmentasi. Kami juga menunjukkan bahwa penambahan pretraining autoencoder secara konsisten dapat meningkatkan akurasi hingga 2.58% pada model yang dilatih dari awal (scratch).