Implementasi Klasifikasi Gambar Untuk Mendeteksi Diabetic Foot Ulcers Menggunakan Dfunet Berbasis Android Untuk Penderita Diabetes

Rafii, Muhammad Yasykur (2023) Implementasi Klasifikasi Gambar Untuk Mendeteksi Diabetic Foot Ulcers Menggunakan Dfunet Berbasis Android Untuk Penderita Diabetes. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311940000017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Diabetes melitus tipe 2 mempengaruhi setiap bagian tubuh, tetapi sering melibatkan kaki terlebih dahulu. Diabetic Foot Ulcer (DFU) merupakan salah satu komplikasi kronik dari diabetes melitus yang paling ditakuti. DFU adalah penyakit pada kaki penderita diabetes dengan karakteristik adanya neuropati sensorik, motorik, otonom serta gangguan makrovaskuler dan mikrovaskuler. Faktor yang berperan pada patogenesis DFU meliputi hiperglikemia, neuropati, keterbatasan sendi dan deformitas. Pendeteksian DFU harus segera diketahui karena akan menyebabkan amputasi. DFUNet merupakan algoritma dari Deep Learning yang berguna untuk mendeteksi DFU menggunakan kamera. Maka dari itu, dengan adanya DFUNet akan dapat membantu masyarakat untuk mendeteksi DFU. Pada penelitian ini akan dilakukan klasifikasi penyakit DFU berbasi aplikasi mobile untuk membantu masyarakat memanfaatkan DFUNet secara luas. Proses pengolahan data dilakukan dengan membuat model DFUNet pada dataset DFU. Hasil model akan diuji dengan dua tahap, menggunakan testing data dari dataset dan menggunakan gambar dari internet. Pada penerapannya akan menggunakan library OpenCV, tensorflow atau pytorch, dan kotlin untuk membangun aplikasi mobile. Aplikasi mobile ini mampu mendeteksi kurang dari 1 detik dengan nilai accuracy di angka 0.96. Gambar dengan kondisi pencahayaan dan efek blur dapat mempengaruhi tingkat accuracy dari model DFUNet.
=====================================================================================================================================
Type 2 diabetes mellitus affects every part of the body, but often involves the feet first. Diabetic Foot Ulcer (DFU) is one of the most dreaded chronic complications of diabetes mellitus. DFU is a diabetic foot disease characterized by sensory, motor and autonomic neuropathy as well as macrovascular and microvascular disorders. Factors that play a role in the pathogenesis of DFU include hyperglycemia, neuropathy, joint limitation and deformity. Detection of DFU must be recognized immediately because it will cause amputation. DFUNet is a Deep Learning algorithm that is useful for detecting DFU using a camera. Therefore, the existence of DFUNet will be able to help the community to detect DFU. In this research, a classification of DFU disease based on mobile applications will be carried out to help the community utilize DFUNet widely. Data processing is done by creating a DFUNet model on the DFU dataset. The model results will be tested in two stages, using testing data from the dataset and using images from the internet. The application will use the OpenCV library, tensorflow or pytorch, and kotlin to build a mobile application. This mobile application is able to detect less than 1 second with an accuracy value of 0.96. Images with lighting conditions and blur effects can affect the accuracy of the DFUNet model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Diabetes, DFUNet, Diabetic Foot Ulcer, Parallel Convolutional
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T57.62 Simulation T Technology > T Technology (General) > T58.8 Productivity. Efficiency
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Yasykur Rafii
Date Deposited:	22 Aug 2023 03:56
Last Modified:	22 Aug 2023 03:56
URI:	http://repository.its.ac.id/id/eprint/104817

Actions (login required)

View Item