<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem image captioning yang mampu mendeskripsikan gambar luka Diabetic Foot Ulcer (DFU) secara akurat dengan mengombinasikan metode VGG16 dan Bidirectional Long Short Term Memory (BiLSTM). Data gambar DFU dikumpulkan dari platform Kaggle, sementara data caption diperoleh melalui diskusi dengan ahli medis dari Fakultas Kedokteran Universitas Islam Sultan Agung, Semarang. Data gambar diproses melalui tahapan resize dan normalisasi, sedangkan data teks mengalami proses lowercasing, penghapusan karakter non-alfabet, serta penambahan token startseq dan endseq sebelum dilakukan tokenisasi dan padding. VGG16 digunakan sebagai model ekstraksi fitur visual karena kemampuannya dalam menangkap karakteristik gambar secara mendalam, sementara BiLSTM dipilih untuk mengolah teks caption guna memahami konteks secara dua arah. Model dievaluasi menggunakan metrik BLEU guna mengukur kesesuaian antara caption yang dihasilkan dengan referensi ahli. Hasil penelitian menunjukkan bahwa kombinasi VGG16 dan BiLSTM menghasilkan caption yang lebih akurat dibandingkan metode lainnya, dengan skor BLEU yang menunjukkan peningkatan kualitas deskripsi luka DFU. Dengan pendekatan ini, sistem yang dikembangkan berpotensi menjadi alat bantu dalam diagnosis dan dokumentasi medis luka DFU secara otomatis dan efisien. Kata Kunci: Image Captioning, VGG16, BiLSTM, Diabetic Foot Ulcer, BLEU Score]]>
Copyrights © 2025
