Hybrid Quantum Convolutional Neural Network untuk Analisis Citra Rontgen Paru-Paru

Abstract

Penelitian ini bertujuan mendapatkan model hybrid antara komputasi klasik berupa convolutional neural network dengan komputasi kuantum yang berisi gerbang Rotasi-X, Rotasi-Y, Pauli-X, Pauli-Y, dan Pauli-Z dengan akurasi terbaik. Data penelitian ini berisi sekumpulan citra rontgen paru-paru yang terdiri dari kategori normal, lung opacity, dan viral pneumonia. Total data berjumlah 3,475 citra yang dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Sebanyak sembilan jenis model dibuat untuk membandingkan dampak augmentasi data, penambahan gerbang kuantum, serta perbedaan penggunaan berbagai gerbang kuantum. Pembuatan seluruh model memberikan hasil bahwa model dengan augmentasi terhindar dari overfitting, model dengan penambahan gerbang kuantum. memiliki akurasi yang lebih rendah dibanding tanpa menggunakan gerbang kuantum, serta model dengan gerbang kuantum yang memiliki akurasi terbaik adalah model dengan gerbang kuantum Rotasi-X dan Pauli-Z yang mendapatkan akurasi sebesar 87%.