Penerapan Algoritma Convolutional Neural Network (CNN) Dengan Arsitektur Resnet-101 Untuk Deteksi Cacar Monyet Pada Manusia

Cacar monyet merupakan penyakit zoonosis yang telah menyebar ke berbagai negara, termasuk Indonesia. Penyakit ini ditularkan melalui kontak langsung dengan lesi kulit, droplet pernapasan, atau benda yang terkontaminasi. Deteksi dini dan akurat sangat penting untuk mengurangi risiko penularan dan meningkatkan efektivitas pengobatan. Penelitian ini bertujuan untuk mendeteksi cacar monyet menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet-101. Langkah pra-pemrosesan meliputi normalisasi dan pengubahan ukuran gambar menjadi 224x224 piksel. Model dilatih menggunakan optimizer Adam, fungsi loss categorical crossentropy, dan pengurangan laju pembelajaran adaptif. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 94%, dengan presisi 0,92, recall 0,92, dan F1-score 0,92. Model mampu mengklasifikasikan gambar secara efektif, meskipun beberapa kesalahan klasifikasi masih terjadi. Sistem ini dimaksudkan untuk berfungsi sebagai alat skrining awal berbasis citra, namun hasilnya harus dikonfirmasi melalui diagnosis klinis dan pengujian laboratorium untuk memastikan keakuratannya.

Kata Kunci: Cacar monyet, CNN, Deteksi, Resnet-101.