Detection of Human Skin Disease Using Convolutional Neural Network Method

Astried Sulastri Madinah, . (2024) Detection of Human Skin Disease Using Convolutional Neural Network Method. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (749kB)
	Text BAB I.pdf Restricted to Registered users only Download (101kB)
	Text BAB II.pdf Restricted to Registered users only Download (484kB)
	Text BAB III.pdf Restricted to Registered users only Download (109kB)
	Text BAB IV.pdf Restricted to Registered users only Download (782kB)
	Text BAB V.pdf Restricted to Registered users only Download (27kB)
	Text JURNAL.pdf Restricted to Registered users only Download (384kB)

Abstract

Penyakit kulit merupakan masalah kesehatan yang signifikan dengan prevalensi tinggi terutama di negara berkembang seperti Indonesia. Deteksi dini sangat penting untuk mencegah dampak lebih lanjut. Penelitian ini bertujuan untuk: 1) mengetahui arsitektur model Convolutional Neural Network (CNN) yang digunakan untuk mendeteksi penyakit kulit pada manusia, dan 2) mengetahui akurasi model CNN dalam mendeteksi penyakit kulit pada manusia. Dataset ISIC 2019 dari Kaggle digunakan dan dipecah menjadi 80% untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian, dengan augmentasi data untuk meningkatkan kinerja model. Dua model CNN dikembangkan dalam penelitian ini, yaitu model binary dan model multiclass. Hasil penelitian menunjukkan bahwa: 1) arsitektur model CNN yang terdiri dari empat lapisan konvolusi dengan filter berturut-turut 32, 32, 64, dan 64, diikuti oleh max pooling, flattening, dropout, dan dense dengan 128 neuron, serta dense terakhir dengan 2 neuron untuk model binary dan 6 neuron untuk model multiclass, efektif dalam mendeteksi penyakit kulit, dan 2) akurasi model CNN mencapai 95% untuk model binary dan 80% untuk model multiclass, menunjukkan kemampuan yang baik dalam deteksi penyakit kulit. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi penyakit kulit yang cepat, akurat, dan efisien, serta membantu meringankan beban tenaga medis. Pengembangan selanjutnya disarankan untuk mengeksplorasi arsitektur CNN yang lebih kompleks atau menggabungkan dengan metode deep learning lainnya untuk meningkatkan akurasi model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Deteksi, Penyakit Kulit
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Engineering, Science and Mathematics > School of Mathematics
Depositing User:	Yeni Ratnasari
Date Deposited:	29 Jul 2025 02:42
Last Modified:	29 Jul 2025 02:42
URI:	http://repository.unpam.ac.id/id/eprint/17140

Actions (login required)

View Item