Klasifikasi citra ultrasonografi Polycystic Ovary Syndrome (PCOS) menggunakan vision transformer

Polycystic Ovary Syndrome (PCOS) merupakan gangguan endokrin
utama penyebab infertilitas pada wanita usia reproduktif. Kondisi ini ditandai oleh banyaknya kista kecil pada ovarium yang memicu ketidakseimbangan hormon, mengganggu metabolisme, dan proses ovulasi. World Health Organization (WHO) melaporkan sekitar 70% kasus PCOS belum terdiagnosis, sehingga diperlukan deteksi dini yang lebih efektif. Penelitian ini bertujuan untuk mengklasifikasikan penyakit PCOS menggunakan metode Vision Transformer (ViT), salah satu algoritma deep learning. Data yang digunakan berupa citra ultrasonografi (USG) ovarium yang diambil dari Kaggle. ViT dipilih karena memiliki kemampuan dalam memproses data citra secara global dan mempelajari representasi visual yang lebih kompleks. Penelitian ini juga menerapkan dua pendekatan penanganan ketidakseimbangan data secara terpisah, yaitu augmentasi data dan SMOTETomek, untuk mengetahui pengaruh masing-masing terhadap performa model. Hasil pengujian menunjukkan bahwa augmentasi data menghasilkan performa terbaik, yaitu akurasi 96.5%, sensitivitas 98.43%, spesifisitas 88.96%, dan F1-score 97.82%, dari hasil tuning
hyperparameter terbaik berupa num layers = 4, num heads = 8,
mlp dim = 512, dropout rate = 0.1, learning rate = 0.0003,
batch size = 16, dan epoch = 20. Sementara itu, SMOTETomek
menghasilkan akurasi 94.62%, sensitivitas 96.08%, spesifisitas 88.96%, dan F1-score 96.61%, dari hasil tuning hyperparameter terbaik berupa num layers = 4, num heads = 4, mlp dim = 1024, dropout rate = 0.1, learning rate = 0.0003, batch size = 16, dan epoch = 7. Hasil tersebut menunjukkan bahwa penanganan ketidakseimbangan data melalui augmentasi lebih efektif dibandingkan SMOTETomek dalam meningkatkan performa klasifikasi ViT. Secara keseluruhan, penelitian ini
membuktikan bahwa ViT mampu mengklasifikasikan citra USG ovarium penderita PCOS dengan akurasi tinggi, sehingga berpotensi digunakan sebagai alat bantu deteksi dini PCOS yang lebih efektif.