DETEKSI PENYAKIT USUS KOTOR MELALUI CITRA TELAPAK TANGAN MENGGUNAKAN ALGORITMA CNN-VGG16

DETECTION OF DIRTY BOWEL DISEASE THROUGH PALM IMAGE ANALYSIS USING CNN-VGG16 ALGORITHM

Deteksi penyakit sejak dini merupakan hal yang sangat penting dalam upaya meningkatkan kualitas kesehatan manusia. Kualitas hidup pasien yang menderita penyakit usus kotor dapat terpengaruh secara signifikan, termasuk aktivitas sehari-hari, pekerjaan, hingga hubungan interpersonal. Salah satu metode inovatif yang menjanjikan dalam bidang kesehatan adalah deteksi penyakit melalui analisis citra telapak tangan. Solusi untuk permasalahan tersebut dilakukan dengan mengimplementasikan algoritma Convolutional Neural Network (CNN) menggunakan model arsitektur VGG-16 yang dapat dioperasikan dengan cara mengunggah gambar telapak tangan guna mendeteksi Penyakit Usus Kotor, Penyakit Lainnya (Bukan Usus Kotor), dan Tangan Sehat melalui aplikasi berbasis web. Berdasarkan hasil pengujian, diperoleh nilai akurasi test sebesar 0.4800, F1-Score untuk kategori penyakit usus kotor sebesar 0.62, F1-Score untuk Penyakit Lainnya (Bukan Usus Kotor) sebesar 0.54, F1-Score untuk kategori Tangan Sehat sebesar 0.29, serta F1-Score keseluruhan sebesar 0.50. Hasil uji white box menunjukkan bahwa sistem dapat berjalan dengan baik pada seluruh skenario uji yang diterapkan. Sedangkan hasil blackbox testing menunjukkan bahwa aplikasi berfungsi sesuai dengan yang diharapkan. Selain itu, hasil prediksi menggunakan fitur import gambar didukung oleh confidence score dengan nilai rata-rata sebesar 48.89% untuk ketiga kategori.

Kata Kunci— Penyakit Usus Kotor, Deteksi Penyakit, Deep Learning, Convolutional Neural Network (CNN), VGG16.

Early detection of disease is very important in improving the quality of human health. The quality of life of patients suffering from gross bowel disease can be significantly affected, including daily activities, work, and interpersonal relationships. One promising innovative method in the healthcare field is disease detection through palm image analysis. The solution to this problem is done by implementing the Convolutional Neural Network (CNN) algorithm using the VGG-16 architecture model which can be operated by uploading palm images to detect Dirty Intestine Disease, Other Diseases (Not Dirty Intestine), and Healthy Hands through a web-based application. Based on the test results, the test accuracy value is 0.4800, F1-Score for the dirty gut disease category is 0.62, F1-Score for Other Diseases (Not Dirty Intestines) is 0.54, F1-Score for the Healthy Hands category is 0.29, and the overall F1-Score is 0.50. The whitebox test results show that the system can run well in all test scenarios applied. While the blackbox testing results show that the application functions as expected. In addition, the prediction results using the image import feature are supported by a confidence score with an average value of 48.89% for all three categories.

Keywords— Dirty Bowel Disease, Disease Detection, Deep Learning, Convolutional Neural Network (CNN), VGG16.