KLASIFIKASI CITRA COVID-19 MENGGUNAKAN METODE DEEP LEARNING
LITERATUR REVIEW
Abstract
Pandemi COVID-19, yang pertama kali muncul di Wuhan, Cina pada tahun 2019, telah menyebabkan krisis kesehatan global yang signifikan. Virus ini dikenal sebagai Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) dan menyebabkan pneumonia parah yang dapat berakibat fatal. Metode diagnostik utama untuk COVID-19 adalah tes Polymerase Chain Reaction (PCR), namun metode ini memiliki keterbatasan sensitivitas. Sebagai alternatif, citra radiologi dada seperti Computed Tomography (CT) dan sinar-X telah digunakan untuk diagnosis dini. Dengan keterbatasan alat tes yang optimal pada awal pandemi, klinisi di Cina mengandalkan hasil klinis dari citra X-ray dan CT dada. Teknologi deep learning, khususnya Convolutional Neural Network (CNN), telah menunjukkan keunggulan dalam klasifikasi citra medis, termasuk deteksi pneumonia COVID-19. Penelitian ini menggunakan metode kajian literatur untuk mengumpulkan dan menganalisis 15 artikel dari jurnal terakreditasi SINTA 1 hingga SINTA 4 yang diterbitkan antara tahun 2020 hingga 2024. Analisis literatur menunjukkan berbagai arsitektur CNN yang diterapkan dalam deteksi pneumonia dari citra X-ray dada, dengan akurasi yang bervariasi. Model CNN seperti AlexNet, VGG-16, ResNet-152, dan InceptionResNet-V2 menunjukkan performa yang menjanjikan dengan akurasi hingga 99%. Literatur Review ini menyimpulkan bahwa CNN dapat menjadi alat yang efektif dalam mendukung diagnosis pneumonia COVID-19, terutama di situasi dengan keterbatasan tenaga medis. Melalui sintesis informasi dari berbagai sumber literatur, penelitian ini memberikan panduan untuk pengembangan lebih lanjut dalam deteksi pneumonia menggunakan teknologi deep learning
Downloads
Copyright (c) 2024 JATI (Jurnal Mahasiswa Teknik Informatika)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.