Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Analisis Komparatif Klasifikasi Berbasis ResNet pada Skala Wagner untuk Data DFU yang Tidak Seimbang

Rektorat UDINUS 2025 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2025
Tujuan
Nomor
9424cbe8-d5c9-439e-b5f0-80b25a65126c
Terbit
2026-10-30

Universitas Dian Nuswantoro, melalui partisipasi Ramadhan, Aditya Wahyu; Andono, Pulung Nurtantio; dan Soeleman, Moch Arief, melaksanakan penelitian mengenai klasifikasi otomatis ulkus kaki diabetik menggunakan skema penilaian Wagner. Kegiatan ini menanggapi keterbatasan pendekatan evaluasi konvensional yang sangat bergantung pada penilaian visual klinisi, yang dapat bersifat subjektif dan menghasilkan penilaian yang tidak konsisten. Penelitian tersebut mengusulkan sistem klasifikasi multikelas yang mencakup Wagner Grade 0–5 dan menggunakan arsitektur deep learning ResNet-50 yang ditingkatkan melalui transfer learning.

Penelitian menggunakan 1.415 citra luka klinis yang telah diberi label dan diverifikasi oleh pakar medis. Dataset tersebut tidak seimbang, dengan 543 sampel dikategorikan sebagai Grade 0, 110 sebagai Grade 1, 252 sebagai Grade 2, 145 sebagai Grade 3, 293 sebagai Grade 4, dan 72 sebagai Grade 5. Untuk mengatasi ketidakseimbangan tersebut, penelitian menerapkan random oversampling bersama dengan normalisasi citra dan augmentasi data. Metode-metode ini digunakan untuk meningkatkan keragaman data pelatihan dan mendukung pengenalan tingkat Wagner yang kurang terwakili. Model juga mengintegrasikan algoritma optimisasi Adam.

Evaluasi eksperimental menilai akurasi, presisi, recall, dan F1-score. Presisi yang dilaporkan adalah 0,96, recall 0,95, dan F1-score 0,95. Konfigurasi optimal menggabungkan ResNet-50 dengan random oversampling dan meningkatkan akurasi prediksi untuk kelas yang kurang terwakili, khususnya Grade 1 dan Grade 5. Pengklasifikasi menunjukkan pengenalan yang stabil terhadap kategori langka tanpa tanda overfitting. Temuan menunjukkan bahwa kerangka kerja yang diusulkan memungkinkan klasifikasi otomatis ulkus kaki diabetik secara akurat serta berpotensi membantu pengambilan keputusan klinis yang objektif dan mempercepat proses diagnosis, terutama dalam lingkungan layanan kesehatan dengan sumber daya terbatas.

Penelitian UDINUS ini berkaitan dengan RAW_GOALS 3 melalui fokusnya pada penelitian kesehatan untuk klasifikasi ulkus kaki diabetik dan penggunaan pendekatan komputasional guna mendukung pengambilan keputusan klinis.

Rujukan https://www.scopus.com/pages/publications/105027881856?origin=resultslist