Implementasi Machine Learning Pada Deteksi Penyakit Kulit Tropis
Penyakit kulit merupakan salah satu bentuk penyakit yang banyak menjangkit kalangan masyarakat. Walaupun sebagian besar penyakit kulit bukan penyakit yang mematikan, namun berpotensi menurunkan kualitas hidup manusia. Tantangan dunia medis terkait penyakit kulit ini adalah bahwasanya sebagian besar penyakit kulit memiliki penampakan yang memiliki kemiripan yang cukup tinggi. Hal ini dapat menyebabkan kesalahan diagnosa sehingga proses penyembuhan yang lebih lama.
Dalam lima (5) tahun terakhir telah bekembang inovasi di bidang kecerdasan buatan yang membantu ahli medis menegakkan diagnosa terkait penyakit kulit tertentu. Sebagaian besar inovasi tersebut masih menyasar diagnosa kanker kulit dengan pertimbangan urgensi ketetapan deteksi penyakit kulit yang paling berbahaya. Namun demikian, hal ini tidak lantas membuat ketetapan diagnose pada penyakit kulit lain menjadi tidak penting.
Dalam penelitian ini dilakukan penelitian awal pembangunan sistem identifikasi penyakit kulit wilayah tropis (dermatofibroma, chickenpox, eczema, keratosis, psoriasis dan scabies) dengan mengiplementasikan beberapa Algoritma Machine Learning (Suppor Vector Machine (SVM) dan beberapa arsitektur Deep Learning berbasis Convolutional Neural Network (CNN)). Dari hasil simulasi menunjukkan baik pendekatan Arsitektur Deep Leaning maupun SVM menghasilkan performa pengenalan yang cukup baik berkisar antara 70%-80%. Hal ini menjajikan untuk pengembangan lebih lanjut.
Detail Information
Citation
. (2022).Implementasi Machine Learning Pada Deteksi Penyakit Kulit Tropis.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd