<![CDATA[Penyakit kulit wajah merupakan masalah kesehatan yang umum dan dapat secara signifikan memengaruhi kualitas hidup penderitanya. Data menunjukkan bahwa jumlah kasus penyakit kulit yang mening-kat memerlukan perhatian lebih dari masyarakat dan tenaga medis. Penelitian ini bertujuan untuk mengetahui model klasifikasi penyakit kulit wajah dengan tingkat akurasi terbaik. Model yang digunakan adalah metode transfer learning dengan arsitektur Convolutional Neu-ral Network (CNN), yaitu VGG16, ResNet152V2, dan DenseNet201. Dataset yang digunakan dalam penelitian ini terdiri dari 895 citra dengan lima jenis penyakit kulit wajah: Blackhead, Eksim, Jerawat, Rosacea, dan Tinea Fasialis. Hasil penelitian menunjukkan bahwa model DenseNet201 mencapai performa terbaik dengan akurasi sebe-sar 88%, serta nilai precision, recall, dan F1-Score masing-masing sebesar 0,87, 0,88, dan 0,87. Meskipun model ini menunjukkan hasil yang memuaskan, tantangan masih ada dalam membedakan kelas penyakit yang memiliki kemiripan visual. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi penyakit kulit wajah yang lebih akurat, sehingga meningkatkan kesadaran dan penanganan penyakit kulit di masyarakat.]]>
Copyrights © 2026
