Eka Sinta Aprilia, - (2024) KLASIFIKASI TINGKAT KEPARAHAN JERAWAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR NASNETLARGE. Laporan thesis, Universitas Islam Negeri Sultan Syarif Kasim.

Preview	Text Laporan Lengkap Kecuali BAB IV.pdf - Updated Version Download (7MB) | Preview
	Text BAB IV.pdf - Updated Version Restricted to Repository staff only Download (2MB)

Abstract

Jerawat adalah kondisi kulit umum yang mempengaruhi 85% wanita di seluruh dunia, lebih sering daripada psoriasis, selulitis, dan melanoma. Jerawat disebabkan oleh penyumbatan atau kerusakan kelenjar sebaceous dan folikel rambut. Machine learning dalam pengolahan citra masih belum mencapai akurasi tinggi, sedangkan deep learning, metode baru dalam Artificial Intelligence, menunjukkan hasil yang lebih baik. Penelitian ini menggunakan arsitektur NASNetLarge dengan 2.914 data yang terbagi dalam empat kelas: ringan, sedang, parah, dan sangat parah. Dataset yang digunakan adalah dataset ACNE04 dari penelitian Xiaoping Wu . Teknik augmentasi data, sampling data, dan optimasi hyperparameter digunakan untuk meningkatkan kinerja model deep learning. Hasil eksperimen menunjukkan bahwa pada data yang dilakukan sampling dan augmentasi dengan rasio data 90:10, didapatkan akurasi terbaik dengan learning rate 0,0001, dense 64, batch size 32, dan optimizer RMSprop. Model ini mencapai akurasi 91%, precision 92%, dan recall 91%. Pada data asli, hasil terbaik dari model pada data sampling mencapai akurasi 50%, precision 47%, dan f-1 score 45%.

Actions (login required)

View Item