Bisnis.com, MALANG — Guru Besar Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Brawijaya (UB), Prof. Chomsin Sulistya Widodo, menawarkan analisis berbasis digital yang lebih cepat dan presisi untuk mendeteksi virus pneumonia.
Prof. Chomsin Sulistya Widodo mengungkapkan bahwa pihaknya tengah mengembangkan metode analisis virus pneumonia yang lebih efektif.
Chomsin mengatakan, metode yang ia kembangkan akan lebih cepat dan presisi dalam mendeteksi virus tersebut.
"Formula analisis nanti akan kami share ke Google sehingga bisa dinikmati siapa saja, termasuk industri, bahkan dikembangkan menjadi kit. Sekarang masih raw," kata Chomsin Sulistya Widodo dalam pengukuhannya sebagai guru besar di Malang, Selasa (25/2/2025).
Pneumonia, lanjutnya, merupakan penyakit radang yang menyerang paru-paru. Infeksi virus ini menyebabkan munculnya cairan pada salah satu atau kedua paru-paru.
Menurutnya, salah satu cara untuk menegakkan diagnosis pneumonia adalah dengan analisis citra rontgen thorax. Meski demikian, penggunaan cara itu dia nilai perlu ditingkatkan akurasinya.
Baca Juga
Chomsin mengembangkan model analisis digital bernama UBNet_v3 yang dapat mengidentifikasi dan mengklasifikasi pneumonia akibat infeksi bakteri, virus biasa, atau virus Covid-19.
"Peningkatan kecepatan dan akurasi deteksi dapat membantu dokter radiologi," katanya.
Pengembangan UBNet_v3 dilakukan dengan menggabungkan model UBNet_v1 dan UBNet_v2. Performa UBNet_v3 untuk mendeteksi dan mengklasifikasi virus pneumonia non-Covid dan Covid sangat memuaskan.
Chomsin mengklaim kedua kategori itu memiliki akurasi sebesar 99,6% akurat, presisi sebesar 100%, sensitivitas sebesar 99,45%, dan skor F1 sebesar 99,72%.
Melengkapi model yang dikembangkan, pihaknya telah berhasil membuat sistem tampilan berbasis GUI.
Pengujian kinerja sistem dilakukan menggunakan laptop dengan prosesor Ryzen 5 dan RAM 8GB, tanpa menggunakan GPU eksternal. Rata-rata waktu yang dibutuhkan untuk melakukan analisis virus pneumonia adalah 1,21 detik untuk setiap citra.
"Penggunaan arsitektur CNN yang sederhana dengan total 7 layer yang terdiri atas 5 layer konvolusi dan 2 layer ANN," ucapnya.
Arsitektur dengan jumlah layer yang sedikit dapat meringankan beban komputasi, sementara itu arsitektur CNN menggunakan layer antara 16 hingga 71 seperti yang ditunjukkan pada tabel referensi.
Performa arsitektur UBNet_v3 sangat memuaskan di mana semua kategori mencapai akurasi sebesar 99.6% akurat, presisi 100%, sensitivitas 99,45%, dan skor F1 sebesar 99,72%.
Dosen Fakultas Matematika dan Ilmu Pengetahuan Alam ini merupakan profesor aktif ke-34 di FMIPA dan menjadi profesor ke-414 yang telah dihasilkan oleh Universitas Brawijaya.
