Seiring meningkatnya peralihan iklim yang semakin tidak menentu, sekaligus keadaan ekosistem yang kian mengalami transformasi radikal oleh polusi, berbagai macam wabah dan penyakit pun kini mulai beradaptasi dengan cepat. 

Di antara segelintir wabah yang ada, penyakit kulit merupakan salah satu yang paling umum ditemukan di berbagai kalangan demografi. Meski kerap dianggap sebagai penyakit sepele pada manusia, penyakit kulit merupakan tipe wabah yang bersifat epidemik (mampu menyebar dengan cepat) dan mampu menyerang berbagai kalangan usia. 

Selain memiliki sifat epidemik, penyakit kulit juga umumnya sulit dideteksi. Tingkat literasi kesehatan beserta metode deteksi yang relatif rendah cenderung menjadi faktor utama sulitnya penanganan mayoritas wabah penyakit kulit. 

Keterbatasan alat diagnosis pun turut memaksa sebagian besar ahli kesehatan untuk mengandalkan pengalaman klinis beserta visualisasi subjektif pada penanganan mayoritas penyakit kulit. 

Mengacu pada kedua masalah tersebut, bapak Hadiguna Setiawan, S.E., M.Kom., salah satu dosen Program Studi Teknik Informatika Universitas Dian Nusantara (UNDIRA) turut mengadakan riset kolaboratif dalam rangka membangun sebuah solusi berupa sistem berbasis AI yang mampu memberikan evaluasi dini secara otomatis terhadap gejala penyakit kulit.

Pengembangan sistem didasarkan pada metode Deep Learning menggunakan Convolutional Neural Network (CNN) khusus untuk memproses dan menganalisis data visual seperti gambar dan video. CNN pada dasarnya memiliki mekanisme visual learning yang serupa dengan mata manusia dalam mengenal fitur dan pola objek tanpa memerlukan input data manual. 

Meskipun CNN telah digunakan dalam berbagai analisis medis, model CNN sendiri cenderung rentan mengalami overfitting (terjadi ketika machine learning terlalu mempelajari detail pada saat pelatihan data, sehingga hasil evaluasi akan menimbulkan noise ketika membuat dataset baru). Hal ini dinilai detrimental terutama ketika sistem digunakan untuk melakukan analisis terhadap kulit dengan tekstur kompleks. 

Kendati demikian, dosen pun mengimplementasikan Dropout guna mengatur pola ekstraksi data milik CNN. Selebihnya, selain menggunakan metode pendekatan deep learning melalui CNN, dosen juga turut menggunakan fitur tradisional seperti Local Binary Pattern (LBP). LBP sendiri merupakan serangkaian algoritma yang mampu membandingkan intensitas citra beserta pola kulit secara mendetail. 

Optimisasi pun dimulai dengan pengumpulan sebanyak 32 batch size atau data sampel, lalu setelahnya data yang terkumpul akan melalui sebanyak 50 siklus (epoch) pada model Machine Learning CNN menggunakan Dropout agar data yang dihasilkan lebih stabil sekaligus terhindar dari overfitting. 

Alhasil, riset menunjukkan beberapa poin menarik bahwasanya sistem tidak hanya mampu memetakan citra kulit dengan baik, tetapi juga mampu mengidentifikasi berbagai tipe penyakit kulit seperti; Melanoma, Dermatofibroma, Melanocytic Nevi, Vascular Lesion, dan Basal Cell Carcinoma, Benign Keratosis, dan Actinic Keratoses - lengkap dengan menyajikan persentase data akurat terhadap jenis penyakit yang dialami setiap subjek. 

Assessment data menunjukkan akurasi validasi yang berhasil mencapai 99.45% dengan perolehan skor F1 sebesar 99.32% dan persentase loss validasi sebesar 0.012. Penelitian dan inovasi ini menjadi langkah besar dalam dunia dermatologi sekaligus pengembangan AI, bahwasanya AI dengan model CNN dan LBP tidak hanya berperan sebagai teman day-to-day task kita, tetapi juga mampu mendorong pertumbuhan literasi sekaligus mendukung diagnosis dini sehingga para pasien dapat mengambil langkah dini dalam mencegah penyebaran wabah lebih baik. 

Studi ini sekaligus mengokohkan posisi Studi Teknik Informatika dalam menciptakan solusi kreatif dan berjangka bagi kesehatan masyarakat. Teknik Informatika Universitas Dian Nusantara (UNDIRA) berkomitmen untuk mencetak mahasiswa unggulan dalam mengembangkan rekayasa perangkat lunak dan sistem guna mentransformasi sektor teknologi dalam industri kreatif, layanan masyarakat, dan kewirausahaan. 

Bersama Teknik Informatika UNDIRA, mari menjadi sistem yang mengembangkan dunia IT menuju arah yang lebih cerah dan profesional!