SISTEM DETEKSI BELL’S PALSY SECARA REAL-TIME BERBASIS ANALISIS SIMETRI WAJAH MENGGUNAKAN METODE MULTI-LAYER PERCEPTRON

Abstract

Bell’s Palsy merupakan kelumpuhan saraf wajah secara tiba-tiba yang menyebabkan asimetri wajah dan memengaruhi ekspresi wajah seseorang. Kondisi ini merupakan bentuk paling umum dari kelumpuhan wajah perifer, dengan sekitar 60-75% kasus bersifat idiopatik atau tidak diketahui penyebabnya. Permasalahan utama dalam diagnosis kondisi ini adalah kebutuhan akan metode deteksi yang cepat dan akurat, terutama dalam kondisi real-time. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi Bell’s Palsy secara real-time berbasis analisis simetri wajah. Metode yang digunakan melibatkan ekstraksi 28 fitur geometris dari 51 landmark wajah menggunakan pustaka dlib dan OpenCV, serta klasifikasi menggunakan model Multi-Layer Perceptron (MLP) yang dilatih dengan pendekatan validasi silang. Sistem dikembangkan menggunakan Python dan TensorFlow, dan diintegrasikan dengan kamera webcam untuk mendeteksi wajah secara langsung. Hasil penelitian menunjukkan bahwa model MLP yang digunakan mampu mencapai akurasi sebesar 96% dalam mengklasifikasikan wajah sebagai Bell’s Palsy atau tidak. Sistem ini juga menampilkan diagnosis secara langsung dengan visualisasi titik wajah dan ambang batas kepercayaan untuk meningkatkan akurasi interpretasi. Dengan demikian, sistem ini terbukti efektif dan andal sebagai alat bantu deteksi dini Bell’s Palsy secara otomatis.