FEASIBILITY STUDY OF GOOGLE’S TEACHABLE MACHINE IN THE DIAGNOSIS OF MONKEYPOX

Abstract

Wabah cacar monyet yang menyebar cepat ke lebih dari 40 negara di luar Afrika menimbulkan kekhawatiran kesehatan global. Karena kemiripannya dengan penyakit lain, diagnosis klinis pada tahap awal sering sulit dilakukan. Deteksi lesi cacar monyet berbasis komputer dapat membantu identifikasi cepat, terutama di wilayah dengan akses terbatas terhadap tes PCR. Studi ini memperluas penelitian sebelumnya dengan menguji efektivitas Teachable Machine milik Google dalam mendiagnosis cacar monyet menggunakan dataset MSLD, yang berisi gambar lesi kulit dan diklasifikasikan ke dalam dua kategori: cacar monyet dan penyakit lain. Berbagai konfigurasi CNN diuji untuk mencapai akurasi terbaik. Hasil menunjukkan bahwa Teachable Machine menghasilkan akurasi diagnosis yang 14,52% dan 13% lebih tinggi dibandingkan metode VGG16 dan Ensemble Vote Classifier. Dengan optimasi hiperparameter, alat ini terbukti efektif, murah, dan praktis untuk diagnosis citra medis, termasuk penyakit serupa lainnya.