Pengembangan Sistem Deteksi Kondisi Organ Liver Melalui Citra Iris Mata Menggunakan Convolutional Neural Network (CNN)

Development of Liver Organ Condition Detection System Through Iris Image Using Convolutional Neural Network (CNN)

Kasus hepatitis menjadi penyakit organ liver dengan kasus dengan angka yang tinggi di Indonesia dimana pada tahun 2018 tercatat sebanyak 1.017.290 kasus dan didominasi anak pada usia 5 hingga 14 tahun sebanyak 182.338. Mahalnya cek laboratorium juga menjadi hambatan untuk melakukan diagnosa sejak dini. Adapun metode untuk mendiagnosa kondisi organ tubuh manusia melalui iridologi yakni diagnosa melalui iris mata. Namun, tidak banyak orang yang memiliki pemahaman tersebut sehingga dibutuhkan suatu sistem yang mampu mempercepat dan mempermudah proses diagnosis.  Penelitian ini bertujuan untuk mengembangkan sistem deteksi kondisi organ liver melalui citra iris mata dengan teknologi deep learning yaitu Convolutional Neural Network (CNN) yang diharapkan dapat menjadi solusi efektif dalam penanggulangan penyakit organ liver di Indonesia. Data yang digunakan dalam penelitian ini sebanyak 500 data untuk membangun arsitektur CNN dan 30 data untuk menguji aplikasi. Data didapatkan dari platform Kaggle, Klinik Q-Syifa Learning, dan kolektif secara perorangan oleh peneliti. Pengolahan data dilakukan dengan melalui tahapan preprocessing dan kemudian digunakan untuk melatih model CNN yang telah dirancang. Hasil dari proses pelatihan model CNN dengan data training 300 data dan data validation 100 data didapati nilai akurasi sebesar 79%. Lalu, pada pengujian model dengan data testing sebanyak 100 data, didapati akurasi sebesar 81%. Sedangkan sistem yang dikembangkan, divalidasi dengan 30 data dan didapati bahwa sistem mampu mendeteksi 22 data secara benar dan 8 data secara tidak benar. Sehingga dari validasi sistem didapati persentase sebesar 73.,33%.

Kata Kunci : Deteksi Liver, Iridologi, Convolutional Neural Network, Deep Learning, Image Preprocessing

Hepatitis is a liver disease with a high number of cases in Indonesia where in 2018 there were 1,017,290 cases and 182,338 children aged 5 to 14 years. The high cost of laboratory tests is also an obstacle to early diagnosis. There are methods to diagnose the condition of human organs through iridology, namely diagnosis through the iris of the eye. However, not many people have this understanding so a system is needed that can speed up and simplify the diagnosis process.  This research aims to develop a liver organ condition detection system through iris images with deep learning technology, namely Convolutional Neural Network (CNN) which is expected to be an effective solution in overcoming liver organ disease in Indonesia. The data used in this research is 500 data to build CNN architecture and 30 data to test the application. Data obtained from the Kaggle platform, Q-Syifa Learning Clinic, and collectively individually by researchers. Data processing is done by going through the preprocessing stage and then used to train the CNN model that has been designed. The results of the CNN model training process with 300 training data and 100 validation data obtained an accuracy value of 79%. Then, in testing the model with 100 testing data, an accuracy of 81% was obtained. Meanwhile, the developed system was validated with 30 data and found that the system was able to detect 22 data correctly and 8 data incorrectly. So that from the validation of the system, a percentage of 73.33% was obtained.

Keywords : Liver Detection, Iridology, Convolutional Neural Network, Deep Learning, Image Preprocessing