<![CDATA[Penggunaan teknologi komputer di sektor kesehatan telah berkembang pesat, terutama dalam sistem rekomendasi dan promosi kesehatan. Perkembangan kecerdasan buatan, khususnya deep learning, telah terbukti sangat bermanfaat dalam deteksi dini penyakit melalui analisis pencitraan medis. Convolutional Neural Network (CNN), sebagai salah satu bagian dari deep learning, menunjukkan kinerja tinggi dalam berbagai aplikasi, termasuk identifikasi jerawat. Jerawat pada remaja memiliki dampak signifikan pada aspek personal, sosial, dan psikologis, seringkali menyebabkan depresi dan rendahnya percaya diri. Pengetahuan masyarakat tentang perawatan jerawat yang tepat masih terbatas, yang sering kali menyebabkan kesalahan perawatan dan memperburuk kondisi. Penelitian ini bertujuan untuk mengembangkan sistem berbasis CNN guna mengidentifikasi tingkat keparahan jerawat sehingga dapat memberikan penanganan yang tepat. Implementasi CNN memungkinkan model untuk mengekstraksi hierarki fitur dari citra, sehingga menciptakan representasi visual yang lebih baik untuk variasi dari tingkat keparahan jerawat. Hasil penelitian dengan 1.106 dataset dari tiga label menunjukkan akurasi sebesar 75%, menegaskan efektivitas CNN dalam mengidentifikasi pola visual tingkat keparahan jerawat. Sistem ini diharapkan mampu memberikan solusi dalam mengatasi masalah keparahan jerawat dan mengurangi kesalahan perawatan yang sering terjadi, sehingga meningkatkan kualitas hidup remaja yang terpengaruh oleh jerawat.]]>
