Implementasi Metode Region Convolutional Neural Network Dalam Mendiagnosa Anomali Pneumonia Pada Foto Thorax

Di Indonesia, pneumonia merupakan urutan kedua penyebab kematian pada balita setelah diare serta menjadi penyebab penyakit umum terbanyak. Pneumonia merupakan penyakit dari paru-paru, Evaluasi foto thorax merupakan diagnosa penunjang dan merupakan standar diagnosa, foto thorax dapat menampakan daerah opak yang menggambarkan konsolidasi dan merupakan salah satu pemeriksaan radiologi yang paling umum untuk pencarian banyak kelainan pada paru-paru. Dalam prediksi Object Detection, metode Region Convolutional Neural Network (R-CNN). dapat diterapkan dalam melakukan prediksi anomaly objek pada citra thorax, dalam R-CNN terdapat empat tahap, yaitu Selective search untuk mencari region proposal,tahap CNN untuk melokalkan dan mensegmentasi objek, tahap SVM untuk Klasifikasi jenis kelas proposal dan Bounding-box regression untuk memperkirakan kordinat objek pada citra anomali Pneumonia. Berdasarkan hasil pengujian pada 170 data masukan dengan 160 data latih dan 10 data uji menggunakan metode mean average precision (mAP) terhadap hasil prediksi anomaly citra thorax. Dapat disimpulkan bahwa penggunaan metode R-CNN dapat diimplementasikan untuk menghasilkan prediksi objek pada citra thorax dengan mAP 42.84%