Aplikasi berbasis mobile untuk deteksi dini penyakit kulit memiliki potensi besar dalam meningkatkan kesadaran dan pemahaman masyarakat terhadap kesehatan kulit. Program pengabdian ini bertujuan untuk memberikan edukasi dan sosialisasi terkait pemanfaatan teknologi kecerdasan buatan dalam deteksi dini penyakit kulit kepada mahasiswa dan tenaga kesehatan di STIKES Telogorejo Semarang. Kegiatan ini meliputi pelatihan penggunaan aplikasi, pemahaman dasar tentang teknologi kecerdasan buatan dalam analisis citra medis, serta diskusi interaktif mengenai pentingnya deteksi dini dalam pencegahan penyakit kulit. Metode yang digunakan mencakup presentasi, demonstrasi langsung, serta sesi praktik dengan studi kasus nyata. Hasil dari kegiatan ini menunjukkan peningkatan pemahaman peserta mengenai teknologi deteksi penyakit kulit berbasis AI, serta meningkatnya minat dalam mengadopsi teknologi digital dalam bidang kesehatan. Selain itu, peserta juga memberikan umpan balik positif terkait kemudahan penggunaan dan manfaat aplikasi dalam mendukung diagnosis awal. Kesimpulannya, edukasi dan sosialisasi ini berhasil meningkatkan literasi digital di bidang kesehatan serta mendorong pemanfaatan teknologi dalam layanan medis. Ke depan, pengembangan aplikasi lebih lanjut dan implementasi di fasilitas kesehatan diharapkan dapat semakin meningkatkan kualitas layanan kesehatan berbasis teknologi

Diabetes adalah ancaman utama bagi kesehatan penduduk dunia yang saat ini merupakan penyebab utama kematian pada penduduk dunia yang berusia kurang dari 60 tahun. Dengan menggunakan Machine Learning diharapkan mampu memprediksi diabetes. Dengan menggunakan dataset Pima Indians Diabetes (PIMA Dataset). Pada penelitian ini dilakukan pengujian dengan menggunakan 2 Algoritma dan 1 Algoritma yang dioptimasi. Pengujian Pertama Menggunakan Support Vector Machine (SVM), Pengujian Kedua menggunakan Deep Neural Network (DNN)  dan Pengujian Ketiga menggunakan DNN yang dikombinakan dengan Particle Swarm Optimize (PSO). Pemilihan data yang digunakan sebagai training dilakukan dengan menggunakan Non-Random Sampling. Dalam Penelitian ini pengujian pertama dengan menggunakan SVM dengan melakukan pengujian tanpa menggunakan kernel dan menggunakan kernel Linear, Sigmoid, Polynomial dan Radial Basis Function (RBF). Untuk Pengujian Kedua dilakukan dengan menggunakan DNN tanpa menggunakan Optimaliasi atau DNN original dengan dilakukan penggujian dengan jumlah hidden layer 2 dan jumlah neuron 8 sampai 10 pada setiap hidden layer. Pengujian Ketiga dilakukan dengan menggunakan DNN yang dioptimalisasi dengan menggunakan PSO. Pada Pengujian Ketiga dilakukan penggujian dengan jumlah hidden layer 2 dan jumlah neuron 8 sampai 10 pada setiap hidden layer. Hasil yang diperoleh menunjukkan bahwa DNN yang dioptimasi dengan PSO mampu memberikan akurasi tertinggi dengan jumlah hidden layer 1 sebanyak 9 node dan jumlah hidden layer 2 sebanyak 8 node dengan jumlah iterasi pada PSO sebanyak 166 iterasi.