http://journal.unnes.ac.id/sju/index.php/edukom
Daffa Rifqi Abyansyah1), Al Fathir Rizal Januar2), dan Muhammad Nurryan Akbar3)
1
Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Buana Perjuangan Karawang,
Indonesia
Abstract
_________________________________ ____________ _________
The skin plays a vital role in protecting organs in the human body from threats originating from the
environment outside the human body. Several types of skin diseases that humans often suffer from include
scabies, leprosy, yaws, dermatitis and so on. Lack of knowledge about the types of skin diseases and not
knowing how to prevent them can result in someone being exposed to acute skin diseases. To carry out
research on disease object detection in smallpox using CNN, a labeled image dataset is needed. This dataset
is sourced from the internet on the Kaggle website with a total of 228 images of data, 102 images of monkey
pox, 126 images of other small pox. The data will be divided into train set, test set and validation set. The
methodology used to detect skin diseases uses the CNN algorithm. Monkey pox is a viral infection
characterized by festering pustules on the skin. Monkey pox has symptoms similar to chicken pox, namely
watery pustules. As the disease progresses, the watery nodules turn festering and cause lumps in the neck,
armpits or groin due to swollen lymph nodes. So the research objective of this article is to build a system to
detect human skin diseases in images. The algorithm used in making it uses the Convolutional Neural
Network algorithm. The title of this research is "Detection of Monkey Pox in Humans in Karawang
Regency Using the Convolutional Neural Network (CNN) Algorithm." This research is expected to help
differentiate skin diseases that attack the general public, and the information obtained can also be useful
for those who need it. Based on the research conducted Using the Waterfall method, the pixel intensity
value in the image is set between 0 and 1. During model evaluation, we found that the epoch value is
38
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
directly proportional to the model's ability to identify the Monkeypox class. Meanwhile, at epoch 5, the
best model was obtained with confusion matrix values, namely precision, recall and FI-Score of 85%.
39
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
kajian atau penelitian lebih lanjut mengenai Berdasarkan Gambar 1 dapat dijelaskan
aplikasi atau sistem yang akan dibangun. alur tahapan penelitian yang akan dilakukan
Pengumpulan informasi biasanya dilakukan yaitu:
dengan mempelajari dokumen-dokumen dan
sumber-sumber yang berkaitan dengan A. Pengumpulan Data
penelitian. Informasi yang diperoleh akan Pada penelitian ini dataset berupa citra
dianalisis untuk memperoleh data. cacar monyet dan cacar lainnya, dengan jumlah
2. System Design merupakan tahap lanjutan total dataset yaitu 288 data citra dengan resolusi
dimana berdasarkan hasil analisis rata-rata 224 x 224 pixel. Citra diperoleh dari
pengembang dapat mempersiapkan rancangan dataset publik yang tersedia di Kaggle
sistem atau aplikasi yang akan dibangun. (https://www.kaggle.com/datasets/nafin59/mo
3. Implementation pada tahap ini merupakan hasil nkeypox-skin-lesion-dataset) dan telah divalidasi
perancangan sistem yang telah dibuat pada oleh Joydep Paul, Md Tahzuddin Ahmed dan
tahap sebelumnya dan akan Tasnim Jahan Peana. Sampel dataset dapat
diimplementasikan seiring dengan proses dilihat pada Gambar 2.
pengembangan sistem.
4. Intergration and Testing merupakan tahap
dimana sistem yang dibangun diintegrasikan
menjadi satu kesatuan. Setelah integrasi,
seluruh sistem akan diuji dengan berbagai
kasus uji untuk memeriksa kegagalan dan
kesalahan sistem.
5. Operation and Maintenance merupakan tahap
akhir. Apabila terdapat ketidaksesuaian maka
akan dilakukan review terhadap sistem yang
telah dikembangkan. Gambar 2. Sampel dataset
D. Augmentasi Data
Langkah selanjutnya setelah preprocessing
Gambar 1. Diagram Alir Penelitian adalah augmentasi data. Augmentasi data
melibatkan peningkatan ukuran data pelatihan
untuk meminimalkan overfitting. Augmentasi
data yang dilakukan pada penelitian ini meliputi
40
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
Shear range, Zoom range, Rotation range, Fill mode, score. Tabel dari Confusion Matrix dapat dijelaskan
width shift range, Height shift range, horizontal flip pada Persamaan berikut.
dan rescale. Tahapan domain geser dilakukan
dengan menggunakan metode transformasi
geser. Cara kerjanya adalah memutar gambar
sesuai jumlah derajat yang ditentukan.
Pencerminan horizontal dilakukan
dengan memutar gambar 90 derajat secara
horizontal dan mengalikan datanya. Pencerminan
vertikal dilakukan dengan memutar gambar 90
derajat. Tingkat rentang zoom merupakan
tingkat untuk memperbesar suatu gambar hingga Keterangan:
skala yang ditentukan dari gambar aslinya TP = Nilai True Positive
(Solihin et al., 2022). Rescaling adalah tahapan FP = Nilai False Positive
mengubah nilai piksel dari [0,255] menjadi [0,1]. TN = Nilai True Negative
Memodifikasi nilai piksel bertujuan untuk FN = Nilai False Negative
mengurangi kerugian dan meningkatkan akurasi
selama pelatihan (Minarno et al., 2021). Gambar G. Identifikasi Citra
3 menjelaskan alur proses augmentasi data. Pada tahap ini dilakukan identifikasi citra
untuk melihat apakah citra tersebut tergolong
cacar monyet atau cacar lainnya.
Identifikasi dilakukan berdasarkan data
baru yang tidak digunakan pada saat pelatihan
model. Data baru diproses menggunakan
preprocessing. Hasil prapemrosesan
diidentifikasi berdasarkan model yang disimpan
selama pelatihan model. Hasil identifikasi
ditampilkan dalam bentuk tanda yang
menunjukkan apakah gambar tersebut
mengandung penyakit cacar monyet atau
penyakit cacar lainnya.
41
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
B. Augmentasi Data
42
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
SIMPULAN
Berdasarkan penelitian yang dilakukan,
diperoleh kesimpulan sebagai berikut: Dengan
menggunakan metode Waterfall, nilai intensitas
Gambar 8. Model training accuracy piksel pada gambar diatur antara 0 dan 1.
Selama evaluasi model, kami
menemukan bahwa nilai epoch 10 berbanding
E. Evaluasi terbalik dengan kemampuan model dalam
Model yang dibuat dievaluasi mengidentifikasi kelas Monkeypox. Sedangkan
menggunakan curve pembelajaran dan Confusion pada epoch 5 diperoleh model terbaik dengan nilai
Matrix. Dalam penelitian ini, perhitungan Confusion matrix yaitu precision, recall, dan FI-Score
matriks konfusi dilakukan menggunakan
sebesar 85%.
perpustakaan Sklearn. Evaluasi dilakukan
dengan menggunakan total 45 buah data uji.
Evaluasi hasil model secara keseluruhan DAFTAR PUSTAKA
dijelaskan pada Tabel 3.
Irjayanti, A., Wambrauw, A., Wahyuni, I., &
Maranden, A. A. (2023). Personal hygiene
with the incidence of skin diseases. Jurnal
43
Daffa Rifqi Abyansyah, Al Fathir Rizal Januar, dan Muhammad Nurryan Akbar / Edu Komputika (2023)
Ilmiah Kesehatan Sandi Husada, 12(1), 169– Tristianto, C. (2018). Penggunaan Metode
175. Waterfall Untuk Pengembangan Sistem
https://doi.org/10.35816/jiskh.v12i1.926 Monitoring Dan Evaluasi Pembangunan
Pedesaan. Jurnal Teknologi Informasi
Putri, D. D., Furqon, M. T., & Perdana, R. S. ESIT, 12(1).
(2018). Klasifikasi Penyakit Kulit Pada
Manusia Menggunakan Metode Binary
Decision Tree Support Vector Machine
(BDTSVM) (Studi Kasus: Puskesmas Dinoyo
Kota Malang). Jurnal Pengembangan Teknologi
Informasi Dan Ilmu Komputer, 2, 1912–1920.
https://j- ptiik.ub.ac.id/index.php/j-
ptiik/article/download/1425/499/10275
44