AYU, RAHMITA (2024) IMPLEMENTASI TRANSFER LEARNING PADA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI PENYAKIT KULIT WAJAH. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (211kB)
	Text Abstrak.pdf Download (216kB)
	Text Bab I.pdf Download (252kB)
	Text Daftar Pustaka.pdf Download (209kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Kesehatan merupakan aspek krusial dalam kehidupan dan salah satu langkah utama untuk menjalani hidup sehat serta mencegah penyakit adalah dengan menjaga gaya hidup yang sehat. Kulit berperan sebagai organ terbesar pada tubuh manusia yang berfungsi sebagai pelindung bagi organ-organ internal dan rentan terhadap berbagai masalah kesehatan, terutama di area wajah yang sering terpapar sinar matahari dan udara. Masalah kulit wajah dapat timbul akibat penggunaan produk yang tidak sesuai dengan jenis kulit serta berbagai faktor seperti hormonal, polusi, dan infeksi. Identifikasi dan penanganan yang tepat seringkali memerlukan bantuan dari ahli spesialis kulit. Namun, kendala seperti aksesibilitas dan kurangnya pengetahuan masyarakat menghambat penanganan masalah kulit secara efektif. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit kulit wajah menggunakan model Transfer Learning pada arsitektur Convolutional Neural Network (CNN). Data yang digunakan dalam penelitian ini terdiri dari 625 gambar yang mencakup lima jenis penyakit kulit wajah, yaitu Acne, Actinic Keratosis, Basal Cell Carcinoma, Eczema, dan Rosacea. Model yang digunakan dalam penelitian ini adalah MobileNet dan ResNetRS101. Hasil yang diperoleh menunjukkan bahwa model MobileNet mencapai akurasi sebesar 81%, sedangkan model ResNetRS101 mencapai akurasi sebesar 43%, dengan data pelatihan sebanyak 440 gambar dan data validasi sebanyak 185 gambar. Dengan demikian, model MobileNet dapat dianggap sebagai hasil yang baik untuk mengklasifikasikan gambar penyakit kulit wajah.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Rahmita Ayu
Date Deposited:	04 Sep 2024 04:38
Last Modified:	04 Sep 2024 04:38
URI:	https://rama.unimal.ac.id/id/eprint/5686

Actions (login required)

View Item