KLASIFIKASI ULKUS KAKI DIABETIK MENGGUNAKAN CONVNEXT-TINY, DENSENET201, MOBILENETV2, RESNET50
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 2149-2157
DOI: 10.36341/rabit.v11i2.7666 ↗Kurz gefasst
Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Nur Nafiiyah und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Ulkus kaki diabetik merupakan komplikasi serius pada penderita diabetes yang dapat berujung pada amputasi jika tidak didiagnosis secara dini. Identifikasi visual ulkus kaki diabetik secara manual sering kali sulit karena variasi bentuk dan tekstur luka yang tidak homogen. Penelitian ini mengusulkan pendekatan klasifikasi otomatis ulkus kaki diabetik berbasis transfer learning menggunakan empat arsitektur Convolutional Neural Network (CNN), yaitu ConvNeXt-Tiny, DenseNet201, MobileNetV2, dan ResNet50. Dataset terdiri dari 1.055 citra asli (512 ulkus dan 543 normal) yang digunakan sebagai data testing, sedangkan data training diperoleh melalui augmentasi (rotasi, flip horizontal, flip vertikal, penyesuaian kontras dan brightness) sehingga menghasilkan 5.275 citra pelatihan. Seluruh model dilatih dengan input berukuran 224×224×3 piksel, optimizer SGD (learning rate 0,0001), selama 30 epoch dan batch size 2. Evaluasi dilakukan menggunakan metrik akurasi, precision, dan recall. Hasil penelitian menunjukkan bahwa ResNet50 memberikan performa terbaik dengan akurasi 99,60%, precision 99,33%, dan recall 99,88%. ConvNeXt-Tiny dan DenseNet201 juga menunjukkan kinerja kompetitif dengan akurasi di atas 98%, sedangkan MobileNetV2 memperoleh akurasi 92,85%. Hasil perbandingan dengan penelitian terdahulu menunjukkan bahwa model yang diusulkan memiliki performa yang kompetitif. Penelitian ini menunjukkan bahwa pemanfaatan transfer learning dengan strategi augmentasi yang tepat mampu menghasilkan sistem identifikasi ulkus kaki diabetik yang akurat dan berpotensi mendukung diagnosis berbantuan komputer.
Zitieren
APA
Nafiiyah, N., & Alawy, A. F. S. (2026). KLASIFIKASI ULKUS KAKI DIABETIK MENGGUNAKAN CONVNEXT-TINY, DENSENET201, MOBILENETV2, RESNET50. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 2149-2157. https://doi.org/10.36341/rabit.v11i2.7666
Vancouver
Nafiiyah N, Alawy AFS. KLASIFIKASI ULKUS KAKI DIABETIK MENGGUNAKAN CONVNEXT-TINY, DENSENET201, MOBILENETV2, RESNET50. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):2149-2157. doi:10.36341/rabit.v11i2.7666
BibTeX
@article{Nafiiyah2026,
author = {Nafiiyah, Nur and Alawy, Ahmad Farish Subbanuddin},
title = {KLASIFIKASI ULKUS KAKI DIABETIK MENGGUNAKAN CONVNEXT-TINY, DENSENET201, MOBILENETV2, RESNET50},
journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
year = {2026},
volume = {11},
number = {2},
pages = {2149--2157},
doi = {10.36341/rabit.v11i2.7666}
}
EUVIMED