<![CDATA[Penyakit kulit merupakan salah satu masalahkesehatan yang umum terjadi dan dapat berkembang menjadikondisi serius seperti melanoma, salah satu jenis kanker kulityang berbahaya. Proses diagnosis manual sering kali memakanwaktu, bergantung pada keahlian subjektif, serta berpotensimenghasilkan hasil yang tidak konsisten. Penelitian inibertujuan mengembangkan model klasifikasi penyakit kulitberbasis Convolutional Neural Network (CNN) denganarsitektur EfficientNet pada citra dermatoskopi. Dataset yangdigunakan adalah HAM10000, yang berisi 10.015 citradermatoskopi dari tujuh kategori lesi kulit. Tahapan penelitianmeliputi preprocessing data, augmentasi untukmenyeimbangkan kelas, serta pelatihan model denganpendekatan dua tahap, yaitu feature extraction dan fine-tuning.Tiga varian model diuji, yaitu EfficientNetB0,EfficientNetV2B0, dan EfficientNetV2B3. Hasil pengujianmenunjukkan bahwa EfficientNetV2B3 memberikan performaterbaik dengan akurasi 90,53% dan F1-score 85,56%,mengungguli dua model lainnya. Temuan ini menunjukkanbahwa arsitektur EfficientNetV2B3 memiliki potensi besardalam mendukung sistem diagnosis berbasis citra dermatoskopisecara lebih akurat dan efisien.Kata kunci — CNN, EfficientNet, dermatoskopi,HAM10000, klasifikasi penyakit kulit, akurasi]]>
Copyrights © 2026
