IMPLEMENTASI ARSITEKTUR INCEPTION RESNET-V2 DALAM DIAGNOSIS PENYAKIT PARKINSON BERBASIS ANDROID = IMPLEMENTATION OF RESNET-V2 INCEPTION ARCHITECTURE IN THE ANDROID-BASED PARKINSON'S DISEASE DIAGNOSIS

Penyakit parkinson atau parkinson disease merupakan salah satu penyakit gangguan neurodegeneratif kronis kedua setelah penyakit alzhaimer yang hingga saat ini belum ada obat yang dapat menyembuhkan penyakitnya sehingga penatalaksanaan ditujukan hanya untuk menghambat progresivitas penyakit dan memperbaiki gejala. Penyakit parkinson ditandai dengan hilangnya neuron dopaminergik terutama di pars compacta substansia nigra (SNc). Penyebab pasti kematian saraf ini masih belum diketahui hingga saat ini. Dokter dan peneliti yang berasal dari Unified Parkinson's Disease Rating Scale (UPDRS) sebelumnya telah mengusulkan menggunakan Composite Index of Speed and Pen-pressure (CISP) dari pembuatan sketsa sebagai fitur untuk menganalisis tingkat keparahan penyakit parkinson dengan sukses di tahap pertama. Oleh karena itu, penelitan ini bertujuan untuk membuat aplikasi android pengklasikfikasi penyakit parkinson agar orang-orang lebih mudah mencari informasi mendiagnosa sedini mungkin menggunakan gambar sketsa penyakit parkinson. Klasifikasi gambar penyakit parkinson dapat dilakukan secara akurat dengan menggunakan algoritma Convolutional Neural Network. Inception merupakan pengembangan dari Convolutional Neural Network (CNN) salah satunya adalah arsitektur Inception-Resnet-V2 yang menghasilkan performa yang sangat baik dengan komputasi yang relatif rendah. Model yang dihasilkan dari training gambar sebanyak 50 epoch memiliki performa sebesar 91,38% dengan presisi 85% dan recall 80 % serta F1-score 82%, dimana label negatif menyatakan pasien sehat dan label positif menyatakan penyakit parkinson.

Kata kunci : Convolutional Neural Network (CNN), Inception ResNet-V2, Penyakit parkinson.