Analisis Perbandingan Kinerja Model Yolov7 dalam Deteksi Kuku Diabetes

Abstract

abstrak Diabetes mellitus (DM) penyakit degenerative dan tidak menular yang dapat dilihat dari warna kuku jari tangan. Dalam menganalisis warna mata manusia memiliki keterbatasan dalam pengenalan warna dan analisis tekstur sedangkan komputer mampu mengklasifikasi jutaan warna dan sedikit perubahan tekstur untuk mengenali perubahan warna kuku individu untuk mencega gejala awal diabetes menggunakan metode YOLOv7 untuk mewakili model satu tahap untuk mendeteksi objek menggunakan Convolutional Neural Network (CNN). Penelitian ini dilaksanakan di Puskesmas Polewali. Pengambilan sampel dilakukan dengan mengambil rekam medis dan melakukan wawancara ke Dokter terkait. Data sampel yang diambil dari beberapa data pasien diabetes mellitus dan beberapa tenaga kerja pada Puskesmas Polewali untuk data sampel kuku sehat. Hasil pengujian model YOLOv7 dengan epoch 100 didapatkan hasil accuracy 81%, precision 82,4%, recall 95,5% dan F1-Score 88,5%. Pengujian model YOLOv7 dengan epoch 200 didapatkan hasil accuracy 90%, precision 93,3%, recall 93,3% dan F1-Score 93,3%. Pengujian model YOLOv7-x dengan epoch 100 didapatkan hasil accuracy 71,4%, precision 72,3%, recall 82,9% dan F1-Score 77,2%. Pengujian model YOLOv7-x dengan epoch 200 didapatkan hasil accuracy 63,3%, precision 60,4%, recall 90,6% dan F1-Score 72,5%. Pengujian model YOLOv7-tiny dengan epoch 100 didapatkan hasil accuracy 91,4%, precision 95,6%, recall 93,5% dan F1-Score 94,5%. Pengujian model YOLOv7-tiny dengan epoch 200 didapatkan hasil accuracy 94,6%, precision 93%, recall 100% dan F1-Score 96,4%. Hasil pengujian perbandingan model YOLOv7 dalam mendeteksi kuku diabetes, disimpulkan bahwa model ideal yang dapat digunakan adalah model YOLOv7-tiny dengan nilai epoch 200.   Kata kunci: Confussion Matrix, CNN, Diabetes Mellitus, Kuku, YOLOv7