<![CDATA[Penyakit kulit seperti eksim, herpes, dan rosacea merupakan gangguan dermatologis yang umum terjadi dan memerlukan diagnosis dini untuk mencegah komplikasi lebih lanjut. Permasalahan yang dihadapi adalah keterbatasan tenaga medis dalam melakukan klasifikasi penyakit kulit secara akurat dan cepat, terutama di daerah dengan akses layanan kesehatan terbatas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis penyakit kulit menggunakan metode deep learning berbasis arsitektur VGG16. Dataset yang digunakan terdiri dari tiga kelas utama, yaitu eksim, herpes, dan rosacea, yang diperoleh dari sumber terbuka dan telah melalui tahap preprocessing berupa resizing, augmentasi, dan normalisasi. Model dilatih selama 20 epoch dengan teknik transfer learning dan evaluasi dilakukan menggunakan confusion matrix serta metrik akurasi, precision, recall, dan f1-score. Hasil pelatihan menunjukkan bahwa model mampu mengklasifikasikan ketiga jenis penyakit kulit dengan akurasi validasi mencapai 90%, dan nilai f1-score rata-rata di atas 0,89. Sistem ini kemudian diimplementasikan dalam aplikasi berbasis web menggunakan platform Streamlit dengan fitur prediksi gambar secara real-time, login pengguna, dan antarmuka mode terang maupun gelap. Kesimpulan dari penelitian ini adalah bahwa kombinasi arsitektur VGG16 dan antarmuka Streamlit dapat menghasilkan sistem klasifikasi penyakit kulit yang akurat, cepat, dan mudah diakses oleh pengguna non-teknis. Sistem ini memiliki potensi untuk diterapkan dalam layanan kesehatan berbasis teknologi.]]>
Copyrights © 2026
