Analisis Performa Model CNN Arsitektur ConvNeXt untuk Klasifikasi Penyakit Pneumonia Berdasarkan Citra X-Ray Dada
Pneumonia merupakan infeksi yang menyerang paru-paru, organ utama sistem pernapasan yang berfungsi dalam pertukaran oksigen dan karbon dioksida. Penyebab utama pneumonia dapat berupa bakteri, virus, atau jamur. Penelitian ini bertujuan untuk mengevaluasi performa arsitektur ConvNeXt-Base berbasis transfer learning dalam mendeteksi pneumonia dari citra X-ray dada dua kelas (normal dan pneumonia), serta membandingkannya dengan model CNN konvensional yang dibangun dari awal. Proses pelatihan dilakukan dengan berbagai kombinasi hyperparameter, di antaranya optimizer, learning rate, dan dropout, untuk memperoleh konfigurasi terbaik. Hasil eksperimen menunjukkan bahwa model ConvNeXt dengan kombinasi optimizer Adam, learning rate 0.0001, dan dropout 0.4 mencapai akurasi pengujian sebesar 98.64
URI
https://repo.itera.ac.id/depan/submission/SB2510050001
Keyword
Deteksi Pneumonia ConvNeXt Pembelajaran Transfer Jaringan Saraf Tiruan