Rancang Bangun Website Klasifikasi Tinea Capitis Menggunakan Laravel 12 dan Tailwind CSS

Abstrak

Tinea Capitis merupakan salah satu penyakit kulit menular yang seringkali sulit didiagnosis secara visual akibat keterbatasan peralatan dermoskopi dan tingginya kemiripan gejala klinis antar subtipe. Penelitian ini bertujuan untuk menghadirkan solusi diagnostik cerdas melalui pengembangan sistem klasifikasi berbasis website yang mengintegrasikan model arsitektur Deep Learning dengan paradigma Soft Voting Ensemble Learning (gabungan ResNet-50 dan EfficientNet-B2). Pengembangan aplikasi dilakukan menggunakan framework Laravel 12 pada sisi backend, Tailwind CSS pada sisi frontend, serta MySQL sebagai basis data relasional. Model arsitektur dioptimasi menggunakan metode pencarian bobot Grid Search pada skenario pembagian data 70:20:10. Hasil penelitian menunjukkan bahwa model arsitektur Soft Voting Ensemble Learning yang telah diimplementasikan mencapai performa tangguh dengan akurasi pengujian sebesar 89,47% dan terbukti mampu memperbaiki kesalahan klasifikasi pada subtipe Pustular Difus. Berdasarkan evaluasi sistem melalui Black Box Testing dan White Box Testing, fungsionalitas dan struktural aplikasi tervalidasi telah berjalan dengan baik. Penelitian ini menyimpulkan bahwa integrasi akurasi tinggi dari Deep Learning ke dalam platform website menghasilkan alat bantu diagnostik yang praktis, efisien, dan efektif untuk diterapkan pada fasilitas kesehatan tingkat pertama.