DIAGNOSA PENYAKIT KULIT DENGAN ALGORITMA HEBB RULE JARINGAN SARAF TIRUAN

Abstract

Penyakit kulit adalah masalah kesehatan yang umum terjadi di seluruh dunia. Diagnosis yang cepat dan akurat dari penyakit kulit memainkan peran penting dalam perawatan pasien. Dalam upaya untuk meningkatkan proses diagnosa, pendekatan otomatis menggunakan teknologi seperti jaringan saraf tiruan (JST) telah menjadi subjek penelitian yang signifikan. Artikel ini menyajikan pengembangan sebuah sistem otomatis untuk mendiagnosa penyakit kulit berdasarkan gambar yang diambil dari pasien. Metode yang diusulkan menggunakan dataset gambar yang terdiri dari berbagai kelas penyakit kulit yang umum, seperti jerawat, dermatitis kontak, psoriasis, eksim, dan kudis. Teknik ekstraksi fitur berbasis Convolutional Neural Network (CNN) digunakan untuk mengonversi gambar-gambar tersebut menjadi representasi vektor fitur yang dapat diproses oleh JST. Selanjutnya, pendekatan pembelajaran menggunakan metode Hebb Rule diterapkan untuk melatih JST dalam mengenali pola-pola yang berkaitan dengan setiap jenis penyakit kulit. Evaluasi sistem dilakukan menggunakan data uji yang belum pernah dilihat sebelumnya untuk menentukan akurasi dan kinerja keseluruhan. Hasil percobaan menunjukkan bahwa sistem yang diusulkan mampu memberikan diagnosa yang cepat dan akurat, dengan potensi untuk menjadi alat bantu yang berharga bagi praktisi medis dalam praktek sehari-hari. Kesimpulannya, penggunaan pendekatan berbasis JST dengan metode Hebb Rule menjanjikan dalam mendiagnosa penyakit kulit dan dapat menjadi langkah maju dalam perawatan pasien dengan penyakit kulit.