Pre-Processing Pada Klasifikasi Citra Medis Pneumonia

Rio Subandi; Herman; Anton Yudhana

doi:10.51454/decode.v4i1.198

Authors

Rio Subandi Informatika Universitas Ahmad Dahlan
Herman Informatika Universitas Ahmad Dahlan
Anton Yudhana Teknik Elektro Universitas Ahmad Dahlan

DOI:

https://doi.org/10.51454/decode.v4i1.198

Keywords:

Klasifikasi Convolutional Neural Network, Pneumonia, Pre-processing

Abstract

Pemrosesan citra merupakan teknik pengolahan citra yang mengubah suatu citra input menjadi citra yang berbeda sehingga keluarannya memiliki keunggulan lebih tinggi daripada citra input. Pemrosesan citra berguna untuk tingkat mutu citra, membuang cacat citra, mengenali objek, dan menggabungkannya dengan bagian lain dari suatu citra. Kemajuan teknologi pengolahan citra digital (digital image processing) yang semakin pesat, dapat mempermudah kehidupan manusia. Salah satu contoh penerapan dalam bidang kesehatan yaitu klasifikasi penyakit pneumonia, klasifikasi data penyakit pneumonia berbentuk dataset citra yang akan diklasifikasikan menggunakan sebuah metode. Saat ini banyak aplikasi yang dapat diterapkan dalam melakukan pre-processing terhadap berbagai citra baik citra medis maupun non medis. Tujuan penelitian ini untuk mempersiapkan data citra sebelum diproses dan untuk memudahkan dalam analisis pada model klasifikasi CNN, data yang di pre-processing berupa data ctscan image. Tujuan dilakukan pre-processing pada citra untuk menghasilkan dimensions dan pixel yang sama agar memudahkan dalam klasifikasi CNN. Citra yang digunakan berwarna grayscale, agar memudahkan dalam klasifikasi pada tahapan selanjutnya. Hasil dari penelitian ini berjalan dengan baik karena dapat mengubah 5.196 citra grayscale menjadi citra yang lebih jelas, bersih, dan siap untuk diklasifikasikan dengan metode klasifikasi selanjutnya.

References

Al Rivan, M. E., Arman, M., Irsyad, H., & Prameswara, R. D. (2022). Klasifikasi Hewan Mamalia Berdasarkan Bentuk Wajah Menggunakan Fitur Histogram of Oriented dan Metode Support Vector Machine. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(1), 93-99. https://doi.org/10.32736/sisfokom.v11i1.1205

Al-Saffar, A. A. M., Tao, H., & Talab, M. A. (2017). Review of Deep Convolution Neural Network in Image Classification. International Conference on Radar, Antenna, Microwave, Electronics, and Telecommunications (ICRAMET) (pp. 26-31).

Fadlil, A., Umar, R., Sunardi, & Nugroho, A. S. (2022). Comparison of Machine Learning Approach for Waste Bottle Classification. Emerging Science Journal, 6(5), 1075-1085. https://doi.org/10.28991/ESJ-2022-06-05-011

Gong, Z., & Kan, L. (2021). Segmentation and classification of renal tumors based on convolutional neural network. Journal of Radiation Research and Applied Sciences, 14(1), 412-422. https://doi.org/10.1080/16878507.2021.1984150

Huang, M., Zhuang, M., Zhou, J., & Wu, X. (2020). Preprocessing Method Flow of Under-screen Fingerprint Image. 49-53.

Koshy, A. (2019). Extraction from Text Images. 1st International Conference on Innovations in Information and Communication Technology (ICIICT), 1-4.

Kuchkorov, T., Urmanov, S., Kuvvatova, M., & Anvarov, I. (2020). Satellite Image Formation and Preprocessing Methods. International Conference on Information Science and Communications Technologies, ICISCT 2020, 27-30. https://doi.org/10.1109/ICISCT50599.2020.9351456

Putra, N. S., Hutabarat, B. F., & Khaira, U. (2023). Implementasi Algoritma Convolutional Neural Network Untuk Identifikasi Jenis Kelamin Dan Ras. Decode: Jurnal Pendidikan Teknologi Informasi, 3(1), 82-93. https://doi.org/10.51454/decode.v3i1.123

Putri, A. R. (2016). Pengolahan Citra Dengan Menggunakan Web Cam Pada Kendaraan Bergerak di Jalan Raya. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 1(01), 1-6. https://doi.org/10.29100/jipi.v1i01.18

Rindengan, A. J., & Mananohas, M. (2017). Perancangan Sistem Penentuan Tingkat Kesegaran Ikan Cakalang Menggunakan Metode Curve Fitting Berbasis Citra Digital Mata Ikan. Jurnal Ilmiah Sains, 17(2), 161. https://doi.org/10.35799/jis.17.2.2017.18128

Santi, C. N. (2011). Turn Color Images into GrayScale and Binary Imagery. Teknologi Informasi DINAMIK, 16(1), 14-19.

Shakunthala, M., & Helenprabha, K. (2019). Preprocessing Analysis of Brain. International Conference on Electrical, Computer and Communication Technologies (ICECCT), 1-5.

Sulistiyanti, S. R., Setyawan, F. X., & Komarudin, M. (2016). Pengolahan Citra, Dasar dan Contoh Penerapannya. http://repository.lppm.unila.ac.id/2976/

Tribuzy, L. B., Torres, Y. P., Furtado, R. S., Junior, L. C. S. G., Bitar, N. P., & Junior, W. S. S. (2020). Vehicle License Plate Preprocessing Techniques Using Graphical Interface. International Conference on Consumer Electronics - Taiwan, ICCE-Taiwan 2020, 2020–2021. https://doi.org/10.1109/ICCE-Taiwan49838.2020.9258309

Widyaningsih, M. (2017). Identifikasi Kematangan Buah Apel Dengan Gray Level Co-Occurrence Matrix (GLCM). Jurnal SAINTEKOM, 6(1), 71. https://doi.org/10.33020/saintekom.v6i1.7

Yopento, J., Ernawati, E., & Coastera, F. F. (2022). Identifikasi Pneumonia Pada Citra X-Ray Paru-Paru Menggunakan Metode Convolutional Neural Network (CNN) Berdasarkan Ekstraksi Fitur Sobel. Rekursif: Jurnal Informatika, 10(1), 40-47. https://doi.org/10.33369/rekursif.v10i1.17247

Yudhana, A., Sunardi, & Saifullah, S. (2017). Segmentation Comparing Eggs Watermarking Image and Original Image. Bulletin of Electrical Engineering and Informatics, 6(1), 47-53. https://doi.org/10.11591/eei.v6i1.595

Yudhana, A., Umar, R., & Saputra, S. (2022). Fish Freshness Identification Using Machine Learning: Performance Comparison of k-NN and Naïve Bayes Classifier. Journal of Computing Science and Engineering, 16(3), 153–164. https://doi.org/10.5626/JCSE.2022.16.3.153