Open-Set Recognition Pada Penyakit Kulit Wajah Menggunakan Quad-Channel Contrastive Prototype Networks dan MobileNetV3

Hermawan, Rangga (2025) Open-Set Recognition Pada Penyakit Kulit Wajah Menggunakan Quad-Channel Contrastive Prototype Networks dan MobileNetV3. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11211071_cover.pdf Restricted to Registered users only until 4 October 2027. Download (315kB) | Request a copy
	Text 11211071_enclosure.pdf Restricted to Repository staff only until 4 October 2027. Download (284kB) | Request a copy
	Text 11211071_statement_of_authenticity.pdf Restricted to Registered users only until 4 October 2027. Download (538kB) | Request a copy
	Text 11211071_publishing_agreement.pdf Restricted to Registered users only until 4 October 2027. Download (271kB) | Request a copy
	Text 11211071_approval_sheet.pdf Restricted to Registered users only until 4 October 2027. Download (1MB) | Request a copy
	Text 11211071_preface.pdf Restricted to Registered users only until 4 October 2027. Download (254kB) | Request a copy
	Text 11211071_abstract_id.pdf Restricted to Registered users only until 4 October 2027. Download (264kB) | Request a copy
	Text 11211071_abstract_en.pdf Restricted to Repository staff only Download (220kB) | Request a copy
	Text 11211071_table_of_content.pdf Restricted to Repository staff only until 4 October 2027. Download (258kB) | Request a copy
	Text 11211071_illustrations.pdf Restricted to Repository staff only until 4 October 2027. Download (246kB) | Request a copy
	Text 11211071_tables.pdf Restricted to Repository staff only until 4 October 2027. Download (192kB) | Request a copy
	Text 11211071_chapter_1.pdf Restricted to Repository staff only until 4 October 2027. Download (342kB) | Request a copy
	Text 11211071_chapter_2.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy
	Text 11211071_chapter_3.pdf Restricted to Repository staff only until 4 October 2027. Download (493kB) | Request a copy
	Text 11211071_chapter_4.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy
	Text 11211071_conclusions.pdf Restricted to Repository staff only until 4 October 2027. Download (296kB) | Request a copy
	Text 11211071_bibliography.pdf Restricted to Registered users only until 4 October 2027. Download (242kB) | Request a copy
	Text 11211071_paper.pdf Restricted to Repository staff only until 4 October 2027. Download (953kB) | Request a copy
	Text 11211071_Form. TA-020.pdf Restricted to Repository staff only until 4 October 2027. Download (216kB) | Request a copy
	Text 11211071_cover(2).pdf Restricted to Registered users only until 4 October 2027. Download (273kB) | Request a copy

Abstract

Penyakit kulit wajah merupakan masalah kesehatan yang penting secara fisik dan psikologis sehingga diagnosis dini secara akurat diperlukan untuk mencegah kondisi memburuk. Model konvensional cenderung terbatas karena hanya mampu mengklasifikasikan kelas yang dikenal. Oleh karena itu, penelitian ini bertujuan mengusulkan pendekatan Open-Set Recognition menggunakan arsitektur Quad-Channel Contrastive Prototype Networks yang diintegrasikan dengan MobileNetV3-Small untuk mendeteksi penyakit baru dan meningkatkan akurasi klasifikasi. Dataset Skin-90 terdiri atas 20 kelas penyakit kulit wajah (1.433 citra) yang digunakan dalam penelitian ini dengan rasio 90% untuk pelatihan dan 10% untuk pengujian. Prapemrosesan meliputi pengubahan ukuran citra menjadi 224×224 piksel, augmentasi, normalisasi, dan pembentukan fitur quad-channel melalui rotasi citra 0°, 90°, 180°, dan 270°. Model diuji pada konfigurasi satu dan dua lapisan tersembunyi dengan 512 neuron dan dievaluasi menggunakan metrik akurasi, F1-Score, AUROC, FLOPs, dan latency. Hasil terbaik diperoleh pada konfigurasi dua lapisan tersembunyi dengan akurasi 65,75%, F1-Score 64,34%, AUROC 60,32%, dan rata-rata F1-Score serta AUROC 61,19%. Kontribusi aktual penelitian ini adalah menghasilkan sistem deteksi penyakit kulit wajah berbasis OSR yang mampu mengenali penyakit baru sekaligus meminimalkan kesalahan diagnosis pada kelas tidak dikenal, sehingga mendukung aplikasi medis berbasis citra. Pendekatan ini terbukti efektif mendeteksi penyakit kulit wajah dan menolak kelas tidak dikenal, serta efisien untuk perangkat dengan keterbatasan komputasi.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Rangga Hermawan
Date Deposited:	09 Jul 2025 07:50
Last Modified:	09 Jul 2025 07:50
URI:	http://repository.itk.ac.id/id/eprint/22988

Actions (login required)

View Item