Pengembangan Aplikasi berbasis Android untuk Mengenali Jenis Lesi Kulit Menggunakan Convolutional Neural Network
Bilah Samping Artikel
Read Counter : 94
Download : 45
Isi Artikel Utama
Abstrak
Lesi kulit merupakan kelainan atau gangguan kulit berupa perubahan, kerusakan, pertumbuhan yang abnormal terhadap kulit, seperti perubahan tekstur, warna, munculnya benjolan dan bintik pada kulit. Penyakit ini tentu mengganggu aktivitas dan perilaku orang setiap hari karena reaksi yang ditimbulkan, seperti sensasi gatal, nyerih, perih dan panas yang berlebihan. Akan tetapi pengetahuan akan jenis-jenis lesi kulit oleh masyarakat awam masih kurang dan diperlukan sebuah sistem yang mampu memberikan informasi terkait lesi kulit primer. Pengolahan citra sebagai bagian dari machine learning dapat mengenali jenis-jenis lesi kulit primer melalui aplikasi yang menggunakan Convolutional Neural Network (CNN). Metode ini mampu melakukan ekstraksi fitur dan klasifikasi yang baik sehingga sangat cocok dimanfaatkan untuk pendeteksian gambar. Penelitihan dilakukan terhadap 4 kelas lesi, yakni makula, urtikaria, papula dan vesikular. Berdasarkan hasil pengujian dengan model CNN didapati nilai rata-rata akurasi, yaitu sebesar 95% dengan perhitungan nilai pada kelas makula dengan presicion 91%, recall 100%, f-1 score 95%, kelas urtikaria dengan precision 100%, recall 91%, f-1 score 95%, kelas papula dengan precision 98%, recall 93%, f-1 score 96% dan kelas vesikular dengan precision 93%, recall 99%, f-1 score 96%.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Kebijakan yang diajukan untuk jurnal yang menawarkan akses terbuka
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Referensi
A. J. Rozaqi, e. a. (2021). Deteksi Penyakit pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Networ. Citec Journal, 8(1), 22-31.
A. Maier, e. a. (2019). A gentle introduction to deep learning in medical image processing. Z Med Phys, 29(2), 86-101.
A. Peryanto, e. a. (2019). Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network. Jurnal Format, 8(2), 138-147.
Anum, Q., & al., e. (2021). Identifikasi Penyakit Kulit dan Pemeriksaan Lesi Kulit kepada Masyarakat di Daerah Binaan Universitas Andalas. Jurnal Ilmiah Pengembangan dan Penerapan Ipteks, 28(3), 335-340.
Ariza, H. M., Mozo, V. R., & Quintero, H. M. (2018). Methodology for the Agile Development of Software Based on a Guide for the Body of Knowledge of SCRUM (SBOK TM Guide). International Journal of Applied Engineering Research, 13(14), 11479-11483.
Hosny, K. M., Kassem, M. A., & Foaud, M. M. (2019). Classification of skin lesions using transfer learning and augmentation with Alex-net. Plos One, 1-17.
Kassem, M. A. (2021). Machine Learning and Deep Learning Methods for Skin Lesion Classification and Diagnosis: A Systematic Review. Diagnostics, 11, 1-29.
Li, Z., Liu, F., Yang , W., Peng, S., & Zhou, J. (2021). A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects. IEEE Transactions on Neural Networks and Learning Systems, 33(12), 6999 - 7019.
Polevaya, T., Ravodin, R., & Filchenkov, A. (2019). Skin Lesion Primary Morphology Classification With End-To-End Deep Learning Network. International Conference on Artificial Intelligence in Information and Communication (ICAIIC). Okinawa, Japan.
Rizky, M., & Sugiarti, Y. (2022). Pengunaan Metode Scrum Dalam Pengembangan Perangkat Lunak: Literature Review. Journal of Computer Science an Engineering (JCSE), 3(1), 41-46.
Setiawan, A. W. (2019). Perbandingan Prescreening Lesi Kulit Berbasis Convolutional Neural Network: Citra Asli Dan Tersegmentasi. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 8(4), 793-799.
Warsito, B. (2021, Juli). Deep Lerning : Penentuan Bobot Neural Network. Retrieved Juli 30, 2023, from https://eprints.undip.ac.id/44090/1/Warsito_Makalah_KNM16_25juli.pdf.