Implemetation of Convolutional Neural Network (CNN) in Detecting and Diagnosing Foot Defects
Abstract
Arkus adalah lengkungan pada telapak kaki berupa celah antara bagian dalam dari kaki dan permukaan. Ada tiga jenis arkus yaitu normal, tinggi, dan datar, dengan dua terakhir dianggap sebagai kelainan kaki. Kelainan ini menjadi fokus dalam penilaian calon anggota Kepolisian Republik Indonesia (POLRI). Saat ini, pengukuran arkus dilakukan secara manual dengan penggaris, yang sering kali tidak akurat. Untuk mengatasi masalah ini, kami merancang sistem pendeteksi telapak kaki bernama "Flatyfoot". Sistem ini, yang berbasis Deep Learning dan menggunakan arsitektur Convolutional Neural Network (CNN) ResNet152 V2, dapat mengidentifikasi dua jenis telapak kaki (normal dan tidak normal) dengan akurasi tinggi. Dengan demikian, proses seleksi POLRI dapat menjadi lebih akurat dan efisien. Penelitian kami menunjukkan bahwa sistem ini memiliki performa 84,44%, menandakan bahwa model dapat berjalan sesuai rancangan.
Kata Kunci4Flatfoot, POLRI, Deep Learning, Convolutional Neural Network (CNN), Deteksi Kelainan Telapak Kaki
References
M. Nurcholis, R. M. Y. R. M. Yasi, and C. F. H. C. F. Hadi, "Rancang bangun alat ukur kekuatan pukulan atlet beladiri menggunakan sensor fsr (force sensitive resistor) berbasis mikrokontroller atmega328," Journal zetroem, vol. 2, no. 2, 2020.
A. Maharani, A. Wibawa, and I. N. Adiputra, "Perbedaan kelincahan antara normal foot dan flat foot pada anak usia 10-12," Majalah Ilmiah Fisioterapi Indonesia, vol. 8, no. 3, p. 7, 2020.
A. A. Elngar, M. Arafa, A. Fathy, B. Moustafa, O. Mahmoud, M. Shab- an, and N. Fawzy, "Image classification based on cnn: a survey," Journal of Cybersecurity and Information Management, vol. 6, no. 1, pp. 18–50, 2021.
H. Gholamalinezhad and H. Khosravi, "Pooling methods in deep neural networks, a review," arXiv preprint arXiv:2009.07485, 2020.
H. Nakahara, T. Fujii, and S. Sato, "A fully connected layer elimination for a binarizec convolutional neural network on an fpga," in 2017 27th international conference on field programmable logic and applications (FPL). IEEE, 2017, pp. 1–4.
D. Setiawan and T. Suryawijaya, "Algoritma resnet152v2 dalam me- lakukan klasifikasi penyakit pada daun tanaman tomat," Journal of Computer Science and Technology, vol. 3, no. 2, pp. 37–42, 2023.
N. Ibrahim, G. A. LESTARY, F. S. HANAFI, K. SALEH, N. K. C. PRA- TIWI, M. S. HAQ, and A. I. MASTUR, "Klasifikasi tingkat kematangan pucuk daun teh menggunakan metode convolutional neural network," ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 1, p. 162, 2022.
A. Ridhovan and A. Suharso, "Penerapan metode residual network (resnet) dalam klasifikasi penyakit pada daun gandum," JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), vol. 7, no. 1, pp. 58– 65, 2022.
N. Rachburee and W. Punlumjeak, "Lotus species classification using transfer learning based on vgg16, resnet152v2, and mobilenetv2," IAES International Journal of Artificial Intelligence, vol. 11, no. 4, p. 1344, 2022.
H. Kuang, J. Wang, R. Li, C. Feng, and X. Zhang, "Automated data- processing function identification using deep neural network," IEEE Access, vol. 8, pp. 55 411–55 423, 2020.
J. D. Novakovic´, A. Veljovic´, S. S. Ilic´, Zˇ . Papic´, and M. Tomovic´, "Evaluation of classification models in machine learning, "Theory and Applications of Mathematics & Computer Science, vol. 7, no. 1, p. 39, 2017.
