Analisis Komparatif Model Pra-Terlatih Deep Learning Untuk Klasifikasi Penyakit Kulit Wajah - Submit Jurnal

Afriani, Yossi Ezra (2025) Analisis Komparatif Model Pra-Terlatih Deep Learning Untuk Klasifikasi Penyakit Kulit Wajah - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11211087_abstract_en.pdf Restricted to Repository staff only until 4 October 2027. Download (46kB) | Request a copy
	Text 11211087_abstract_id.pdf Restricted to Registered users only until 4 October 2027. Download (48kB) | Request a copy
	Text 11211087_approval_sheet.pdf Restricted to Registered users only until 4 October 2027. Download (465kB) | Request a copy
	Text 11211087_bibliography.pdf Restricted to Registered users only until 4 October 2027. Download (132kB) | Request a copy
	Text 11211087_chapter_1.pdf Restricted to Repository staff only until 4 October 2027. Download (240kB) | Request a copy
	Text 11211087_chapter_2.pdf Restricted to Repository staff only until 4 October 2027. Download (754kB) | Request a copy
	Text 11211087_chapter_3.pdf Restricted to Repository staff only until 4 October 2027. Download (254kB) | Request a copy
	Text 11211087_conclusions.pdf Restricted to Repository staff only until 4 October 2027. Download (119kB) | Request a copy
	Text 11211087_chapter_4.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11211087_cover.pdf Restricted to Registered users only until 4 October 2027. Download (76kB) | Request a copy
	Text 11211087_enclosure.pdf Restricted to Repository staff only until 4 October 2027. Download (147kB) | Request a copy
	Text 11211087_form020.pdf Restricted to Repository staff only until 4 October 2027. Download (461kB) | Request a copy
	Text 11211087_illustrations.pdf Restricted to Repository staff only until 4 October 2027. Download (77kB) | Request a copy
	Text 11211087_paper.pdf Restricted to Repository staff only until 4 October 2027. Download (325kB) | Request a copy
	Text 11211087_preface.pdf Restricted to Registered users only until 4 October 2027. Download (96kB) | Request a copy
	Text 11211087_presentation.pdf Restricted to Repository staff only until 4 October 2027. Download (7MB) | Request a copy
	Text 11211087_publishing_agreement.pdf Restricted to Registered users only until 4 October 2027. Download (438kB) | Request a copy
	Text 11211087_statement_of_authenticity.pdf Restricted to Registered users only until 4 October 2027. Download (394kB) | Request a copy
	Text 11211087_table_of_content.pdf Restricted to Repository staff only until 4 October 2027. Download (67kB) | Request a copy
	Text 11211087_tables.pdf Restricted to Repository staff only until 4 October 2027. Download (70kB) | Request a copy

Abstract

Penyakit kulit wajah merupakan gangguan pada kulit yang dapat disebabkan oleh berbagai faktor, seperti kebersihan, pola hidup, faktor hormonal, fisik, paparan bahan kimia, dan lingkungan. Mengingat pentingnya penanganan yang tepat terhadap penyakit kulit wajah, diagnosis yang akurat sangat diperlukan. Hal ini disebabkan oleh kurangnya pemahaman masyarakat mengenai penyakit kulit serta risiko yang dapat muncul akibat keterlambatan penanganan. Di sisi lain, kesalahan diagnosis oleh tenaga medis juga dapat terjadi karena berbagai factor serta tingginya biaya perawatan menjadi alasan penyakit kulit wajah sering kali diabaikan. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa model-model pra-terlatih dalam mengatasi masalah kesalahan diagnosis dan biaya pengobatan yang tinggi. Fokus penelitian ini adalah mengevaluasi kinerja beberapa arsitektur model pra-terlatih dengan dua konfigurasi yaitu tanpa hidden layer tambahan dan dengan satu hidden layer tambahan pada bagian klasifikasi. Pengujian konfigurasi hidden layer dilakukan dengan menggunakan metrik evaluasi akurasi dan F1 score yang kemudian dilakukan pengujian komputasi menggunakan metrik evaluasi FLOPs dan latency. Model yang digunakan dalam penelitian ini adalah ConvNext, EfficientNetV2, MobileNetV3, ResNeSt, dan ResNet dengan pendekatan transfer learning. Dataset yang digunakan adalah Skin-90 yang diperoleh dari Kaggle. Fungsi aktivasi yang digunakan adalah ReLU, fungsi normalisasi menggunakan softmax, dan fungsi kerugian (loss function) yang digunakan adalah cross-entropy loss. Hasil pengujian menunjukkan bahwa model ConvNeXt Tiny dengan satu hidden layer tambahan memberikan performa terbaik dengan akurasi sebesar 70,08%, F1 score sebesar 0,62, FLOPs sebesar 4,47 GFLOPs, dan latency sebesar 0,1942 detik. Hasil pengujian yang tergolong sedang ini disebabkan oleh jumlah dataset yang relatif sedikit serta adanya data yang rusak atau tidak sesuai dengan karakteristik kulit wajah, sehingga mempengaruhi proses pelatihan model. Meskipun demikian, model ini tetap dinilai paling optimal untuk klasifikasi penyakit kulit wajah menggunakan dataset skin-90.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > RL Dermatology
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Yossi Ezra Afriani
Date Deposited:	02 Jul 2025 08:21
Last Modified:	02 Jul 2025 08:21
URI:	http://repository.itk.ac.id/id/eprint/22665

Actions (login required)

View Item