Klasifikasi Citra Lesi Kulit Serupa Virus Monkeypox Menggunakan VGG-19 Convolutional Neural Network

Authors

DOI:

https://doi.org/10.32528/justindo.v8i1.168

Keywords:

VGG-19, Klasifikasi, Monkeypox, Convolutional Neural Network

Abstract

Pasca wabah covid19, muncul lagi ancaman penyakit menular yaitu cacar monyet dengan nama lain virus monkeypox. Cacar monyet adalah penyakit yang ditularkan melalui virus hewan yang tergolong ke dalam genus orthopoxvirus dan memiliki gejala serupa dengan penyakit cacar dan cacar air. Salah satu cara mendiagnosis monkeypox adalah dengan mengklasifikasikan gambar lesi kulit serupa, untuk menentukan apakah pasien benar menderita monkeypox atau bukan. Metode yang umum digunakan untuk klasifikasi citra adalah Convolutional Neural Network (CNN). CNN merupakan pengembangan dari Multi-Layer Perceptron (MLP) yang ditujukan untuk mengolah data dua dimensi seperti gambar dan audio. Arsitektur CNN yang digunakan pada penelitian ini yaitu VGG-19 dengan 16-convolution layer + relu, 5-pooling layer, dan fully connected layer. Dataset yang digunakan berjumlah 1.000 citra lesi kulit serupa virus monkeypox untuk diukur tingkat persentase akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menggunakan unseen data diperoleh tingkat akurasi sebesar 76%, sensitivitas sebesar 76%, dan spesifisitas sebesar 92%.

References

Agung, H. (2010). Pembentukan Citra. Pengolahan Citra Digital, 15–28. https://hendroagungs.blogspot.com/2016/03/pengolahan-citra.html

Ahsan, M. M., Uddin, M. R., Farjana, M., Sakib, A. N., Momin, K. Al, & Luna, S. A. (2022). Image Data collection and implementation of deep learning-based model in detecting Monkeypox disease using modified VGG16. https://doi.org/https://doi.org/10.48550/arXiv.2206.01862

Ali, S. N., Ahmed, M. T., Paul, J., Jahan, T., Sani, S. M. S., Noor, N., & Hasan, T. (2022). Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study. 2–5. https://doi.org/https://doi.org/10.48550/arXiv.2207.03342

Alim, M. M. F. (2020). Identifikasi Penyakit Tanaman Tomat Menggunakan Algoritma Convolutional Neural Network Dan Pendekatan Transfer Learning.

Budhiman, A., Suyanto, S., & Arifianto, A. (2019). Melanoma Cancer Classification Using ResNet with Data Augmentation. 2019 2nd International Seminar on Research of Information Technology and Intelligent Systems, ISRITI 2019, 17–20. https://doi.org/10.1109/ISRITI48646.2019.9034624

Cahya, F. N., Hardi, N., Riana, D., & Hadiyanti, S. (2021). Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN). Sistemasi, 10(3), 618. https://doi.org/10.32520/stmsi.v10i3.1248

Coskun, M., Uça, A., Y?ld?r?m, Ö., & Demir, Y. (2019). Face Recognition Based on Convolutional Neural Network. Shiyou Diqiu Wuli Kantan/Oil Geophysical Prospecting, 54(5), 1159–1165. https://doi.org/10.13810/j.cnki.issn.1000-7210.2019.05.024

Haq, D. Z. (2020). KLASIFIKASI CITRA KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK MODEL GOOGLENET. In Universitas Islam Negeri Sunan Ampel Surabaya.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49–56.

Kudva, V., Prasad, K., & Guruvare, S. (2018). Automation of detection of cervical cancer using convolutional neural networks. Critical Reviews in Biomedical Engineering, 46(2), 135–145. https://doi.org/10.1615/CritRevBiomedEng.2018026019

Lasniari, S., Sanjaya, S., Yanto, F., & Affandes, M. (2022). Pengaruh Hyperparameter Convolutional Neural Network Arsitektur ResNet-50 Pada Klasifikasi Citra Daging Sapi dan Daging Babi. 5(3), 474–481.

Munir, R. (2019). Digitalisasi Citra. https://informatika.stei.itb.ac.id/~rinaldi.munir/Citra/2019-2020/04-Digitalisasi-citra.pdf

Nielsen, M. (2021). Neural Networks and Deep Learning. The Machine Age of Customer Insight, 91–101. https://doi.org/10.1108/978-1-83909-694-520211010

Ningsih, T. (2020). PENERAPAN DEEP LEARNING MENGGUNAKAN RESNET- 152 UNTUK KLASIFIKASI CITRA DIABETIC RETINOPATHY. Jurnal Ekonomi Volume 18, Nomor 1 Maret201, 2(1), 41–49.

Nurhikmat, T. (2018). IMPLEMENTASI DEEP LEARNING UNTUK IMAGE CLASSIFICATION MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA WAYANG GOLEK. مجلة اسيوط للدراسات البيئة, العدد الحا(3), 1–13. http://dx.doi.org/10.1186/s13662-017-1121-6%0Ahttps://doi.org/10.1007/s41980-018-0101-2%0Ahttps://doi.org/10.1016/j.cnsns.2018.04.019%0Ahttps://doi.org/10.1016/j.cam.2017.10.014%0Ahttp://dx.doi.org/10.1016/j.apm.2011.07.041%0Ahttp://arxiv.org/abs/1502.020

Qudsi, N. K., Asmara, R. A., & Syulistyo, A. R. (2020). Identifikasi Citra Tulisan Tangan Digital Menggunakan Convolutional Neural Network (CNN). Seminar Informatika Aplikatif Polinema, 48–53.

Ramadhani, I., Nilogiri, A., & Ayun, Q. (2022). Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network Classification Of Plants Based On Leaf Image Using Convolutional Neural Network Method. Jurnal Smart Teknologi, 3(3), 2774–1702. http://jurnal.unmuhjember.ac.id/index.php/JST

Rena, P. N. (2019). PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK PADA PENDETEKSI GAMBAR NOTASI BALOK.

Riti, Y. F., & Tandjung, S. S. (2022). Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network. Progresif: Jurnal Ilmiah Komputer, 18(1), 91. https://doi.org/10.35889/progresif.v18i1.784

Rondonuwu, D. dr. M. R. (2022). Pencegahan dan pengendalian penyakit. Kemenkes RI, 1(1), 1. https://www.kemkes.go.id/article/view/19093000001/penyakit-jantung-penyebab-kematian-terbanyak-ke-2-di-indonesia.html

Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A.,

Bernstein, M., Berg, A. C., & Fei-Fei, L. (2015). ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision, 115(3), 211–252. https://doi.org/10.1007/s11263-015-0816-y

Setyawan, R. (2022). Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan 19 Layers Deep Convolutional Neural Network (Vgg-19). 8.5.2017, 2003–2005.

Simonyan, K., & Zisserman, A. (2015). Very deep convolutional networks for large-scale image recognition. 3rd International Conference on Learning Representations, ICLR 2015 - Conference Track Proceedings, 1–14.

Suartika & Wijaya. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101. Jurnal Teknik ITS, 5(1), 76. http://repository.its.ac.id/48842/

Zheng, Y., Yang, C., & Merkulov, A. (2018). Breast cancer screening using convolutional neural network and follow-up digital mammography. May, 4. https://doi.org/10.1117/12.2304564

Published

2023-02-15

Issue

Section

Articles