KLASIFIKASI BAKTERI DENGAN METODE DEEP LEARNING

Mikroorganisme seperti bakteri menjadi penyebab utama berbagai penyakit infeksi seperti kolera, botulisme, gonore, penyakit lyme, radang tenggorokan, TBC dan sebagainya. Oleh karena itu, identifikasi dan klasifikasi bakteri sangat penting dalam dunia kedokteran untuk membantu para ahli mendiagnosa penyakit yang diderita oleh pasien. Namun, untuk identifikasi dan klasifikasi bakteri secara manual dibutuhkan individu profesional dan waktu yang lama. Dengan bantuan kecerdasan buatan kita dapat secara efektif dan efisien mengklasifikasikan bakteri dan menghemat banyak waktu serta tenaga manusia. Dalam penelitian ini, dibuat sistem untuk mengklasifikasikan bakteri dari sampel gambar mikroskopis. Sistem ini menggunakan deep learning dengan metode transfer learning. Arsitektur Inception V3 dimodifikasi dan ditraining ulang menggunakan 108 sampel citra dengan label lima jenis bakteri yaitu Acinetobacter baumanii, Escherichia coli, Neisseria gonorrhoeae, Propionibacterium acnes dan Veionella. Data kemudian dibagi menjadi training dan validation dengan metode k-fold cross validation. Selanjutnya, fitur yang telah diekstraksi oleh model di training dengan konfigurasi minibatchsize 5, maxepoch 5, initiallearnrate 0,0001, dan validationfrequency 3. Model kemudian diuji dengan data validation dengan melakukan sepuluh kali percobaan dan mendapatkan nilai rata-rata akurasi sebesar 94.43% dan rata-rata waktu eksekusi selama 44 detik.