p-Index From 2020 - 2025
6.509
P-Index
This Author published in this journals
All Journal Dinamik Bulletin of Electrical Engineering and Informatics Jurnal Simantec Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) INTEKNA SMATIKA JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL PENDIDIKAN TAMBUSAI Jurnal Nasional Komputasi dan Teknologi Informasi CSRID (Computer Science Research and Its Development Journal) Jurnal Tekno Kompak Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Pencerah Publik Jurnal Informasi dan Teknologi JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Jurnal Sains Komputer dan Teknologi Informasi Journal of Engineering, Technology, and Applied Science (JETAS) Jurnal Peduli Masyarakat JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Computer Networks, Architecture and High Performance Computing Jumat Informatika: Jurnal Pengabdian Masyarakat Majalah Ilmiah UPI YPTK TIERS Information Technology Journal Jurnal Informatika Dan Tekonologi Komputer (JITEK) Jurnal Forum Kesehatan : Media Publikasi Kesehatan Ilmiah Dinamika Kesehatan: Jurnal Kebidanan dan Keperawatan Journal of Pharmaceutical Care and Sciences Sinergi International Journal of Communication Sciences Adpebi Science Series Politeia : Journal of Public Administration and Political Science and International Relations INSTALL: Information System and Technology Journal Midwifery And Complementary Care
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Tekno Kompak

Klasifikasi dan Identifikasi Jerawat dengan Deep Learning Berbasis Convolutional Neural Network Risdianti, Risdianti; Prasetya, M. Riko Anshori; Hidayat, Ahmad; Mambang, Mambang
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4569

Abstract

Jerawat adalah kondisi kulit yang umum terjadi di dunia, menyerang sekitar 9,4% populasi global. Dampaknya tidak hanya terbatas pada kesehatan fisik, tetapi juga kesehatan mental, seperti menurunkan kepercayaan diri. Deteksi dan diagnosis jerawat secara manual oleh dokter kulit membutuhkan waktu yang tidak sedikit dan bisa memerlukan sumber daya yang signifikan. Selain itu, kemampuan diagnosis bisa bervariasi antar dokter, yang dapat mengakibatkan perbedaan dalam perawatan. Oleh karena itu, diperlukan teknologi untuk mendeteksi jerawat secara otomatis yang dapat mendeteksi dan mengklasifikasikan jerawat secara akurat. Penelitian ini bertujuan untuk mengembangkan model klasifikasi jerawat menggunakan Convolutional Neural Network (CNN) untuk mengidentifikasi empat jenis jerawat: cystic, hormonal, pasir, dan papula berdasarkan gambar wajah. Penelitian ini terdiri dari empat tahapan: pengumpulan data, preprocessing data, pembuatan model klasifikasi jerawat, dan pengujian model. Dataset yang digunakan terdiri dari 400 gambar jerawat yang diambil dari situs Kaggle, dibagi menjadi data latih dan data uji dengan rasio 80:20. Proses preprocessing dilakukan dengan augmentasi data menggunakan ImageDataGenerator dari Keras untuk meningkatkan variasi gambar. Model Convolutional Neural Network yang digunakan adalah InceptionV3 yang dimodifikasi dengan lapisan GlobalAveragePooling2D, dense layer dengan fungsi aktivasi ReLU, dropout sebesar 20%, dan output layer dengan fungsi aktivasi softmax. Model dilatih menggunakan optimizer RMSprop dengan learning rate 0.0001 dan loss function categorical crossentropy selama 70 epoch, dengan callback early stopping untuk menghentikan pelatihan jika tidak ada peningkatan pada loss function. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, dan recall. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 85%, presisi 85%, dan recall 84%, yang mengindikasikan kinerja yang baik dalam mengklasifikasikan jenis-jenis jerawat pada gambar wajah. Secara keseluruhan, penelitian ini membuktikan bahwa penggunaan CNN dalam klasifikasi jerawat dapat menghasilkan model yang andal dan efisien. Dengan akurasi, presisi, dan recall yang tinggi, model ini dapat membantu dalam diagnosis dan penanganan masalah kulit berjerawat. Penggunaan teknologi deep learning seperti Convolutional  Neural Network menunjukkan potensi besar dalam bidang dermatologi, khususnya dalam mendeteksi dan mengklasifikasikan kondisi kulit secara otomatis. Hasil penelitian ini memberikan kontribusi penting dalam pengembangan sistem otomatis untuk diagnosis jerawat, yang dapat digunakan oleh profesional medis untuk mempercepat dan meningkatkan akurasi diagnosis.
Co-Authors Abdul Kadir Adini, Muhammad Hifdzi Ahmad Hidayat Ahmad Hidayat Ahmad Riki Renaldi Ahmad Riki Renaldy Akhmad Baddrudin Amelia, Mahlianor Anggrita Sari Anggrita Sari Antonia Yenitia Ari Yunus Hendrawan Aulia Fitri, Aulia Ayu Ahadi Ningrum Bambang Lareno, Bambang Bayu Nugraha Bayu Nugraha Bima Wicaksono Budiman, Haldi Cipta, Subhan Panji Dixky Dixky Dwi Salmarini, Desilestia Fatimah, Nora Ova Putri Martiani Finki Dona Marleny Fitriansyah, Muhammad Haniffah Sri Rinjani Hati Waruwu, Riang Heni Pujiastuti Hudatul Aulia Husna Karima Ika Hariati Ika Hariati Ika Hariati Ika Hariati, Ika Hariati Indah Tri Handayani Indah Wulandari Jaya Hari Santoso Johan Wahyudi Johan Wahyudi, Johan Kamarudin Kartika Kartika Kunti Nastiti Ladjar, Imelda Ingir Liliana Swastina M Samsul Hasbi M Samsul Hasmi Maria Ulfah Maulida, Ihdalhubbi Maulida, Nur Meilianti Melda Melda Melda, Melda Meyska Widyandini Miranda Miranda Mohammad Basit, Mohammad Muhammad Khairul Akbar Muhammad Riduan Syafi’i Muhammad Satrio Ayuba Muhammad Zaini Bakri Muhammad Ziki Elfirman Muhammad Zulfadhilah Mukhaimy Gazali Muliawan, dadang Mutiara R, Chatrine Indri Mutmainah Mutmainah Mutmainah Mutmainah Nahdi Saubari Nalo Valentino Naparin, Husni Nisa, Reny Ayu Nor Azizah Novita Sari Novriansyah, Irvan Nur Hafiz Ansari Nur Meilianti Maulida Nurhaeni Nurhaeni Nurhaeni Nurhaeni Nurhasanah Nurhasanah Oktavia, Samita Oktovin, Oktovin Pasaribu, Annisa Pebrianti, Eva Wulani Prasetya, M. Riko Anshori Prastya, Septyan Eka Pratama, Ramadhani Noor Putri Putri Putri Putri, Putri Rafi'i, Rafi'i Rahmini Rahmini Ramli, Muhammad Reza Risdianti, Risdianti Risma Maulida Risma Risma Rismawati Rismawati Rizkian Muhammad Fikri Rochman, Wisnu Nur Ropikah Ropikah Ropikah, Ropikah Rudy Ansari Rudy Ansari Rudy Ansari, Rudy Rusidah, Rusidah Samita, Mambang Sandro Nesta Pembriano Sari, Anggrita Sa’adah Septyan Eka Prasetya Septyan Eka Prastya Septyan Eka Prastya Siti Gadis Hardianti Subhan Panji Cipta Subhan Panji Cipta Sultan Arrasyid SUMARNI ZAINUDDIN Syapotro, Usman Tasya Salsabila Theresia Kurniati Seran Tiara, Astia Rahma Tumanggor, Agustina Hotma Uli Wahyudin, Rahmawati Winda Astria Nuansa Saputri Windarsyah Windarsyah Wulandari Febriani Wulandari Febriani Yanti Saubari Yanti Saubari Yuslena Sari, Yuslena