Klasifikasi Citra Thorax X-Ray Menggunakan Transfer Learning Inception V3

Abstract

Penelitian tentang klasifikasi citra thorax x-ray telah diusulkan oleh beberapa peneliti sebelumnya baik menggunakan ekstraksi fitur secara manual maupun menggunakan pendekatan deep learning. Namun, masalah pada penelitian sebelumnya adalah model yang diusulkan mengalami overfitting sehingga mempengaruhi performa klasifikasi yang diukur menggunakan akurasi. Berdasarkan permasalahan tersebut penelitian ini diusulkan untuk memperbaiki penelitian sebelumnya dengan memperkecil overfitting dan mendapatkan akurasi yang lebih baik. Penelitian ini mengusulkan model InceptionNet V3 untuk melakukan klasifikasi citra thorax x-ray yang terdiri dari 3 kelas, yaitu citra x-ray normal, pneumonia dan covid19. Berdasarkan skenario pengujian InceptionNet V3 yang diusulkan menghasilkan nilai akurasi lebih baik dari penelitian sebelumnya yaitu mencapai akurasi sebesar 98%, dan nilai loss sebesar 0.12. Dengan demikian InceptionNet V3 yang diusulkan efektif untuk klasifikasi citra thorax x-ray.