Deteksi Otomatis Penyakit Kuku Menggunakan Deep Learning Berbasis CNN

ALFIANA HIDAYATI
Intan Nur Farida
Daniel Swanjaya

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Penelitian ini bertujuan mengembangkan model klasifikasi citra kuku untuk mendeteksi kondisi sehat, Koilonychia, dan Onychomycosis menggunakan arsitektur Convolutional Neural Network (CNN) VGG-16. Dataset citra kuku dipra-proses dengan augmentasi khusus (spoon_augmentation) untuk menonjolkan fitur cekungan Koilonychia. Model VGG-16, dengan Fine-Tuning pada blok 5, dilatih pada 1588 citra pelatihan dan dievaluasi pada 286 citra pengujian. Hasil evaluasi menunjukkan akurasi 90.56%, dengan precision 81.36% untuk Koilonychia, 97.47% untuk kuku sehat, dan 90.54% untuk Onychomycosis. Sistem ini terbukti andal dalam mendeteksi kelainan kuku, berpotensi mendukung dermatolog dalam diagnosis cepat dan akurat. Pendekatan ini menunjukkan efektivitas Fine-Tuning VGG-16 pada dataset terbatas, menjadikannya solusi potensial untuk aplikasi diagnosis berbasis citra medis.