<![CDATA[Penyakit kulit merupakan salah satu masalah kesehatan dengan prevalensi tinggi di Indonesia, mencapai 4,60%–12,95% dari populasi atau sekitar 12,7 juta–35,9 juta orang dari 277,5 juta penduduk Indonesia. Keterbatasan jumlah dokter spesialis kulit serta rendahnya akses layanan kesehatan di daerah menyebabkan banyak kasus terlambat terdiagnosis. Keterlambatan ini dapat menimbulkan komplikasi serius, meningkatkan angka morbiditas, dan menurunkan kualitas hidup penderita. Oleh karena itu, diperlukan solusi berbasis teknologi yang dapat membantu masyarakat melakukan deteksi dini penyakit kulit secara mandiri, cepat, dan akurat. Penelitian ini mengusulkan pengembangan aplikasi mobile pendeteksi penyakit kulit berbasis transfer learning dengan arsitektur MobileNetV3. Dataset yang digunakan merupakan gabungan dari DermNet, HAM10000, dan Mendeley Skin Disease Classification dengan total 28 kelas penyakit. Tahapan penelitian meliputi preprocessing data, pelatihan dan fine-tuning model MobileNetV3, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Model terbaik kemudian diintegrasikan ke dalam aplikasi berbasis Flutter yang menampilkan hasil diagnosis dan informasi edukatif kepada pengguna. Hasil pengujian menunjukkan bahwa model MobileNetV3 dengan transfer learning menghasilkan akurasi sebesar 81%, presisi 79%, recall 79%dan F1-score 79%. Aplikasi yang dikembangkan mampu melakukan deteksi penyakit kulit dengan cepat dan efisien pada perangkat mobile. Dengan demikian, penelitian ini diharapkan dapat menjadi solusi screening awal yang praktis dan meningkatkan kesadaran masyarakat terhadap pentingnya diagnosis dini penyakit kulit di Indonesia.]]>
