Implementasi Bayesian Convolutional Neural Network Pada Klasifikasi Citra Kanker Paru-paru (Studi Kasus : Kanker Paru-Paru dan Paru-Paru Normal)

Abstract

Kanker paru-paru merupakan salah satu jenis kanker yang paling mematikan. Faktor risiko yang terkait, diantaranya seperti riwayat merokok, paparan zat berbahaya, dan riwayat keluarga. Saat ini, sebagian besar prosedur pendeteksian penyakit kanker paru-paru masih dilakukan secara manual oleh tenaga medis. Pendeteksian manual akan menghasilkan diagnosis yang subjektif. Guna mengoptimalkan kinerja petugas medis dalam diagnosis awal kanker paru-paru, penelitian ini bertujuan mengembangkan sistem Bayesian Convolutional Neural Network (BCNN) dengan Monte Carlo Dropout untuk memprediksi ketidakpastian

dalam diagnosis paru-paru. Diagnosis dilakukan menggunakan hasil CT-Scan paru- paru dari pasien. Data yang digunakan sebanyak 1097 data citra CT-Scan. Data

dikelompokkan dalam 3 jenis yaitu data train, test dan validation. Dengan menggunakan metode BCNN, peneliti mendapatkan tingkat akurasi dari data

testing untuk proses pengklasifikasian kanker paru-paru normal dan kanker paru- paru sebesar 74%. Hasil prediksi label berdasarkan label normal diprediksi benar

ke normal dengan persentase probabilitas sebesar 96.9% dengan varians 17.40%, label benign diprediksi salah ke normal dengan persentase probabilitas sebesar 100%, dan label malignant diprediksi benar ke malignant dengan persentase probabilitas 96.9% dengan varians 17.40%.