Segmentasi Graph Dan CNN Dalam Klasifikasi Penyakit Kulit Pada Manusia

Abstract

Penyakit kulit merupakan salah satu masalah kesehatan yang banyak dijumpai di Indonesia, namun diagnosis dini seringkali terhambat oleh keterbatasan tenaga medis, biaya, dan kurangnya fasilitas di daerah terpencil. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit kulit berbasis citra dengan memanfaatkan metode segmentasi Graph Cut dan Convolutional Neural Network (CNN). Dataset penelitian terdiri dari 1.162 citra penyakit kulit yang diperoleh dari Kaggle, mencakup enam kategori penyakit. Proses penelitian dilakukan melalui tahap preprocessing berupa resize, normalisasi, dan augmentasi, kemudian dilakukan segmentasi citra menggunakan Graph Cut untuk memisahkan area lesi dari kulit sehat. Selanjutnya, data hasil segmentasi dilatih menggunakan model CNN dengan arsitektur EfficientNetB0. Hasil pengujian menunjukkan bahwa kombinasi Graph Cut dan CNN mampu meningkatkan akurasi klasifikasi hingga 96%, dengan performa yang baik meskipun terdapat kemiripan visual antar kelas. Penelitian ini membuktikan bahwa integrasi teknik segmentasi dan CNN efektif dalam mendukung diagnosis awal penyakit kulit. Ke depan, sistem ini berpotensi dikembangkan menjadi aplikasi berbasis web maupun mobile dengan melibatkan validasi klinis dari dokter spesialis kulit.