<![CDATA[Diabetes melitus merupakan penyakit metabolik kronis yang prevalensinya terus meningkat secara global. Deteksi dini menjadi kunci untuk mencegah komplikasi jangka panjang, namun metode diagnostik konvensional umumnya bersifat invasif dan membutuhkan fasilitas laboratorium. Penelitian ini mengusulkan pendekatan non-invasif untuk mendeteksi diabetes berdasarkan citra lidah menggunakan metode Convolutional Neural Network (CNN). Citra lidah diperoleh dari pasien diabetes dan non-diabetes, kemudian diproses melalui tahapan preprocessing seperti normalisasi ukuran, augmentasi data, dan segmentasi area lidah. Model CNN dirancang untuk mengekstraksi fitur visual utama seperti warna, tekstur, dan bentuk dari citra yang telah diproses. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi 97% . Evaluasi dilakukan pula terhadap citra uji, di mana model secara konsisten dapat mengklasifikasikan lidah pasien dengan benar ke dalam kelas diabetes maupun non-diabetes. Temuan ini menunjukkan bahwa pendekatan berbasis deep learning memiliki potensi besar dalam pengembangan sistem deteksi dini diabetes yang cepat, efisien, dan non-invasif, terutama untuk diterapkan pada perangkat mobile atau layanan kesehatan berbasis teknologi.]]>
Copyrights © 2025
