Deteksi Penyakit Kulit Manusia Berbasis CNN Dan SVM

Sony Subagyo
khanif haryadi
Ari Septiadi
Rama Dhitsaha
Erik Hidayatulloh
Hardika Setiawan

Journal of Informatics and Interactive Technology (JIITE)
Vol. 2 No. 2 (2025): Agustus

Deteksi penyakit kulit berbasis citra menjadi tantangan penting dalam bidang kesehatan dan teknologi informasi. Penelitian ini mengimplementasikan metode Convolutional Neural Network  (CNN) dan Support Vector Machine  (SVM) untuk mengklasifikasikan citra kulit manusia ke dalam tiga kelas: kulit sehat, panu, dan skabies. Dataset yang digunakan berjumlah 420 citra berwarna (RGB) dengan ukuran 50x50 piksel, yang kemudian diubah menjadi grayscale untuk model SVM. Model CNN dilatih menggunakan citra RGB ter-normalisasi, sedangkan model SVM menggunakan representasi grayscale. Hasil evaluasi menunjukkan bahwa model SVM memperoleh akurasi 100% pada data uji, sementara CNN hanya mencapai akurasi sekitar 71%. Hal ini menunjukkan bahwa SVM lebih efektif pada dataset kecil, sedangkan CNN memerlukan dataset yang lebih besar agar dapat melakukan generalisasi dengan optimal.