Penerapan Contrast Limited Adaptive Histogram Equalization untuk Meningkatkan Kontras Citra Lidah pada Identifikasi Dianogsa Penyakit Jantung Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.15575/jp.v10i1.413Keywords:
Lidah; CLAHE; Penyakit Jantung; Convolutional Neural Network; Deep LearningAbstract
Penyakit jantung dapat memengaruhi fungsi jantung dan pembuluh darah. Pencegahan melalui gaya hidup sehat dan deteksi dini merupakan kunci utama untuk menjaga kesehatan. Identifikasi diagnosis penyakit jantung juga diperlukan untuk mencegah terjadinya kematian. Informasi dan pengetahuan tentang identifikasi awal suatu penyakit jantung, dan kesadaran publik tentang kesehatan, masih rendah. Tidak dapat memberikan informasi melalui media tentang penyakit jantung, dan kurangnya edukasi tentang masalah penyakit jantung dalam kasus ini, sehingga media didukung dalam bentuk sistem yang mudah untuk memberikan solusi yang sesuai untuk mengelola masalah ini. Metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan algoritma Convolutional Neural Network (CNN) dapat digunakan untuk meningkatkan kontras pada gambar lidah, klasifikasi gambar, atau mendeteksi objek gambar lidah yang diambil dari foto pasien penyakit jantung dan foto lidah normal tidak terkena penyakit jantung. Penggunaan CLAHE dalam preprocessing citra lidah terbukti berhasil dalam meningkatkan kualitas kontras. CNN dalam mengidentifikasi pola yang berkaitan dengan tanda penyakit jantung. Performa model dan algoritma diuji untuk mengetahui hasil akurasi yang dianalisis serta mengukur metode CLAHE, di mana algoritma CNN dapat digunakan untuk meningkatkan kontras pada gambar lidah dan berfungsi dengan baik, dan dapat menghasilkan tingkat akurasi 100.00%.
References
Ardiansyah, A., Stanley, J., Tuandali, N., Sirri, L., & Hapsari, R. K. (2025). Implementasi Algoritma K-Nearest Neighbor dalam Prediksi Penyakit Jantung. 7(2), 213–220.
Derisma, D. (2020). Perbandingan Kinerja Algoritma untuk Prediksi Penyakit Jantung dengan Teknik Data Mining. Journal of Applied Informatics and Computing, 4(1), 84–88. https://doi.org/10.30871/jaic.v4i1.2152
Irpanudin, Reka, Nur Anggraeni, R., Pratama, P., Sujjada, A., & Fergina, A. (2023). Prediksi Penyakit Jantung Menggunakan Metode Deep Neural Network dengan Memanfaatkan Internet of Things. Jurnal Informasi Dan Teknologi, 5, 45–55. https://doi.org/10.37034/jidt.v5i2.330
Nurmasani, A., & Pristyanto, Y. (2021). Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class. Jurnal Pseudocode, 8(1).
Prasetyo, S. Y. (2023). Prediksi Gagal Jantung Menggunakan Artificial Neural Network. Jurnal SAINTEKOM, 13(1), 79–88. https://doi.org/10.33020/saintekom.v13i1.379
Putra, P. D., & Rini, D. P. (2019). Prediksi Penyakit Jantung dengan Algoritma Klasifikasi. Prosiding Annual Research Seminar 2019, 5(1), 978–979.
Suwaryo, N., & Basri, A. (2025). Tongue Detection For Identification Of Syndrome Diagnosis In Heart Disease Using Convolutional Neural Network. 2. https://doi.org/10.31253/te.v8i2.3285
Utomo, D. P., & Mesran, M. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 4(2), 437. https://doi.org/10.30865/mib.v4i2.2080
Alfajr, N. H., & Defiyanti, S. (2024). METODE RANDOM FOREST DAN PENERAPAN PRINCIPAL COMPONENT ANALYSIS ( PCA ). 12(3).
Ann, S. V. M. D. A. N., Bakari, S. N., Lasarudin, A., & Hasyim, W. (2025). PENERAPAN DATA MINING DALAM MENGKLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN ALGORITMA. June.
Ardiansyah, A., Stanley, J., Tuandali, N., Sirri, L., & Hapsari, R. K. (2025). Implementasi Algoritma K-Nearest Neighbor dalam Prediksi Penyakit Jantung. 7(2), 213–220.
Az, A., Septian, R., Saktiawan, M. A., & Saputra, R. A. (2024). PREDIKSI PENYAKIT HIPERTENSI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA REGRESI LOGISTIK. 8(6), 12062–12068.
Firmansyah, A., Astuti, R. W., & Kahar, N. (2025). Penerapan Algoritma C4 . 5 Dalam Mengklasifikasi Penyakit.
Hidayat, R., Sy, Y. S., Sujana, T., Husnah, M., & Saputra, H. T. (2024). Implementasi Machine Learning Untuk Prediksi Penyakit Jantung Menggunakan Algoritma Support Vector Machine. 5(2), 161–168.
Kinerja, E., Machine, A., & Penyakit, P. (2025). Performance Analysis and Accuracy of Machine Learning Algorithms for Heart Disease Prediction. 22(3), 98–106. https://doi.org/10.31515/telematika.v22i3.14022
Kinerja, P., Data, M., Dalam, M., & Penyakit, D. (2025). Comparative Performance Analysis of Data Mining Models for Heart Disease Detection with Feature Selection Implementation. 8(1), 87–93.
Pratama, Y., Prayitno, A., Nazrian, D., Aini, N., R, Y. R., & Rasywir, E. (2022). BULLETIN OF COMPUTER SCIENCE RESEARCH Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor. 3(1), 52–56. https://doi.org/10.47065/bulletincsr.v3i1.203
Purwono, P., Dewi, P., Wibisono, S. K., Dewa, B. P., Informatika, P., Bangsa, U. H., Keperawatan, P., & Bangsa, U. H. (2022). Model Prediksi Otomatis Jenis Penyakit Hipertensi dengan Pemanfaatan Algoritma Machine Learning Artificial Neural Network. 7(2), 82–90.
Sabna, E., & Dewi, O. (2025). Prediksi Penyakit Stroke menggunakan Algoritma Decision Tree dan Naïve Bayes. 4(3), 1294–1299.
Sains, S., Lestari, W., & Sumarlinda, S. (2023). Studi Komparatif Model Klasifikasi Kerentanan Penyakit Jantung Menggunakan Algoritma Machine Learning. https://doi.org/10.33372/stn.v9i1.918
Setiawan, A., Saputra, A. N., Dewi, Z. A., Nuryamin, Y., Kom, M., Priyatna, A., & Kom, M. (2025). Perbandingan Kedua Algoritma Decision Tree dan Naive Bayes untuk Prediksi Gagal Jantung. 10(02), 68–77.
Downloads
Published
How to Cite
Issue
Section
Citation Check
License
Copyright (c) 2026 Niko suwaryo, Muslihatin Khuril Rosyida, Sandi Salvan Nuraliyudin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish in Jourrnal Perspektif agree to the following terms:- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
