IMPLEMENTASI KECERDASAN BUATAN PADA APLIKASI WEB RESPONSIF BERBASIS GEMINI AI UNTUK ANALISIS KESEHATAN DENGAN FITUR ANALISIS CITRA MEDIS DAN DIAGNOSIS ASSISTANT

Azkiya, Azkal (2025) IMPLEMENTASI KECERDASAN BUATAN PADA APLIKASI WEB RESPONSIF BERBASIS GEMINI AI UNTUK ANALISIS KESEHATAN DENGAN FITUR ANALISIS CITRA MEDIS DAN DIAGNOSIS ASSISTANT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (193kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (553kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf Download (110kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (216kB)
	Archive (SOURCE CODE) Sourcecode - 21.83.0741.zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Akses cepat dan akurat terhadap informasi medis menjadi tantangan utama di era digital, terutama bagi masyarakat yang membutuhkan diagnosis awal tanpa harus langsung ke fasilitas kesehatan. Gejala yang tumpang-tindih dan variasi kualitas citra medis seperti foto EKG atau X-ray yang blur sering kali menghambat penegakan diagnosis. Selain itu, keterbatasan waktu dan tenaga medis menuntut solusi yang dapat memadukan kemudahan penggunaan dengan kecerdasan buatan mutakhir. Penelitian ini merancang dan mengembangkan aplikasi web responsif berbasis Gemini AI yang menggabungkan empat fitur utama: (1) Diagnosis Gejala, memungkinkan pengguna memasukkan detail gejala terstruktur dan menerima prediksi kondisi medis; (2) Analisis Citra Medis, memproses unggahan gambar seperti EKG, X-ray, atau foto luka untuk mendeteksi kelainan dengan akurasi hingga 90–100% pada citra berkualitas baik; dan (3) Chatbot Medis AI, menyediakan konsultasi interaktif dengan relevansi jawaban hingga 75–85%. Pengujian black-box memastikan tampilan antarmuka dan alur kerja sesuai spesifikasi, sedangkan validasi dengan dataset Kaggle menegaskan keandalan AI dalam kasus nyata dan out-of-distribution. Dengan integrasi pra-pemrosesan citra, form gejala terstruktur, dan mekanisme tanya lanjutan otomatis, sistem ini terbukti efektif mempercepat diagnosis awal dan konsultasi digital. Aplikasi ini diharapkan menjadi alat bantu signifikan bagi tenaga medis dan pasien, membuka peluang kolaborasi lebih luas dengan platform kesehatan pemerintah maupun perangkat IoT SmartHealth.

Actions (login required)

View Item