Abstract:
Pneumonia adalah infeksi pada paru-paru yang disebabkan oleh bakteri, virus,
atau jamur, yang menyebabkan peradangan dan penumpukan cairan di alveoli,
kantong udara kecil di paru-paru. Gejala umum termasuk batuk, demam, sesak
napas, dan nyeri dada. Penyakit ini dapat bervariasi dari ringan hingga berat, dan
berisiko tinggi pada bayi, lansia, serta individu dengan sistem kekebalan tubuh
yang lemah. Karena pneumonia dapat berpotensi berbahaya dan mengancam
nyawa, identifikasi dan penanganan dini sangat penting. Klasifikasi citra adalah
metode efektif untuk mengidentifikasi pneumonia, dengan membangun model
yang dapat mengenali pola dari data citra X-ray dan memberikan diagnosis awal
berdasarkan citra X-Ray yang diinputkan. Dalam penelitian ini, akan melakukan
proses Pembangunan model klasifikasi pneumonia dengan menggunakan metode
Reccurent Neural Network (RNN) dan Syntetic Minority Over-Sampling
(SMOTE). Dalam penelitian ini, proses Pembangunan model akan menggunakan
dataset yang dikumpulkan dari RSUD Dr. Pirngadi Kota Medan, yang Dimana
berjumlah total 5840 data yang memiliki 2 kelas yaitu kelas data normal dan
pneumonia. Yang Dimana kelas normal berisi citra X-Ray paru paru normal,
sedangkan kelas pneumonia berisi data citra X-Ray paru paru yang telah terinfeksi
pneumonia. Tujuan dari dilakukannya penelitian ini yaitu untuk membangun
sistem klasifikasi penyakit pneumonia sehingga diharapkan dengan adanya sistem
yang telah dibangun, diharapkan dapat membantu dalam proses identifikasi
pneumonia sehingga bisa diambil penanganan lebih awal. Hasil yang didapatkan
dari penelitian ini yaitu proses pengujian model dengan menggunakan metode
RNN dan SMOTE mendapatkan akurasi sebesar 72%.
