<![CDATA[Deteksi dini kanker payudara merupakan langkah penting untuk meningkatkan peluang kesembuhan dan menekan angka kematian. Penelitian ini merancang sistem deteksi dini berbasis citra digital dengan memanfaatkan indikator visual berupa warna kemerahan pada kulit. Sistem dikembangkan menggunakan ESP32-Cam yang terintegrasi dengan Edge Impulse untuk pelatihan dan inferensi model klasifikasi berbasis Artificial Intelligence (AI). Deteksi dilakukan melalui pengolahan citra warna dan metode machine learning (ML) yang bekerja berdasarkan prinsip fisika optik dan sensorika, khususnya interaksi cahaya dengan permukaan kulit, serta merupakan bentuk penerapan prinsip-prinsip fisika dalam pengembangan teknologi deteksi visual modern. Dataset dikumpulkan dari phantom payudara dengan variasi tingkat kemerahan, dua jenis warna kulit (kuning langsat dan sawo matang), serta pencahayaan berbeda (600 lux, 800 lux, dan 1000 lux). Gambar diambil dari jarak 20 cm dengan sudut 90° dan 45° menggunakan kamera handphone. Model dilatih menggunakan metode CNN dan diintegrasikan ke ESP32-Cam, namun proses inferensi masih memerlukan koneksi internet untuk dapat dijalankan. Hasil menunjukkan bahwa pencahayaan 800 lux memberikan visual optimal, dan berhasil menjalankan klasifikasi dengan akurasi rata-rata sebesar 90,9%. Evaluasi menggunakan confusion matrix menunjukkan bahwa sistem ini baik dan akurat. Kata kunci: Deteksi dini; edge impulse; ESP32-cam; fisika optik; kanker payudara.]]>
Copyrights © 2025
