Optimasi Algoritma Pengolahan Citra Digital Menggunakan Metode Pembelajaran Mesin untuk Deteksi Penyakit

Abstrak

Perkembangan teknologi informasi dan komunikasi di era digital telah mendorong peningkatan signifikan dalam pemanfaatan data citra medis untuk mendukung proses diagnosis penyakit. Pengolahan citra digital yang dikombinasikan dengan metode pembelajaran mesin menjadi solusi potensial dalam meningkatkan akurasi dan efisiensi deteksi penyakit. Penelitian ini bertujuan untuk mengoptimasi algoritma pengolahan citra digital menggunakan metode pembelajaran mesin, khususnya deep learning berbasis Convolutional Neural Network (CNN), dalam mendeteksi penyakit berdasarkan citra medis. Metode penelitian yang digunakan meliputi tahapan pengumpulan dataset citra medis, pra-pemrosesan citra, ekstraksi fitur, pengembangan dan optimasi model pembelajaran mesin, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN teroptimasi menghasilkan performa terbaik dibandingkan algoritma pembelajaran mesin konvensional seperti K-Nearest Neighbor, Support Vector Machine, dan Random Forest. Optimasi hyperparameter dan arsitektur jaringan terbukti mampu meningkatkan akurasi deteksi serta mengurangi overfitting. Penelitian ini menyimpulkan bahwa optimasi algoritma pengolahan citra digital berbasis pembelajaran mesin memiliki potensi besar dalam mendukung sistem diagnosis penyakit yang lebih akurat dan andal, serta berkontribusi pada peningkatan kualitas layanan kesehatan berbasis teknologi.