Implementasi Metode Convolutional Neural Network Untuk Diagnosis Penyakit Kulit Berbasis Citra Padaaplikasi Web Menggunakan Python

RUYADI, . (2025) Implementasi Metode Convolutional Neural Network Untuk Diagnosis Penyakit Kulit Berbasis Citra Padaaplikasi Web Menggunakan Python. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (989kB)
	Text BAB I.pdf Restricted to Registered users only Download (321kB)
	Text BAB II.pdf Restricted to Registered users only Download (407kB)
	Text BAB III.pdf Restricted to Registered users only Download (1MB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (223kB)
	Text JURNAL.pdf Restricted to Registered users only Download (514kB)

Abstract

Penelitian ini bertujuan mengembangkan aplikasi web untuk diagnosis penyakit kulit berbasis citra menggunakan metode Convolutional Neural Network (CNN). Masalah yang diangkat mencakup keterbatasan akses tenaga medis, mahalnya biaya pemeriksaan, serta rendahnya kesadaran masyarakat terhadap pentingnya diagnosis dini. Sistem dibangun dengan menggunakan framework Flask dan bahasa Python, serta memanfaatkan dataset HAM10000 yang terdiri dari tujuh jenis penyakit kulit. Model CNN yang digunakan adalah MobileNetV2 untuk meningkatkan akurasi klasifikasi citra. Pengujian sistem dilakukan melalui metode Black Box Testing dan kuesioner pengguna. Hasil pengujian menunjukkan bahwa sistem dapat mengklasifikasikan citra dengan akurasi validasi hingga 83%, serta memperoleh respons positif dari pengguna terkait kemudahan penggunaan dan kejelasan informasi diagnosis. Aplikasi ini diharapkan dapat menjadi solusi alternatif untuk mendeteksi penyakit kulit secara mandiri, khususnya bagi masyarakat di wilayah dengan keterbatasan layanan medis.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Depositing User:	Jejen Juanda
Date Deposited:	14 Nov 2025 09:50
Last Modified:	14 Nov 2025 09:50
URI:	http://repository.unpam.ac.id/id/eprint/17950

Actions (login required)

View Item