<![CDATA[Identifikasi jenis lesi jerawat secara visual sulit dilakukan karena beberapa kelas memiliki karakteristik yang serupa. Penelitian ini bertujuan mengembangkan sistem berbasis web untuk mengklasifikasikan lima jenis lesi jerawat menggunakan MobileNetV2 dengan transfer learning. Dataset Acne Dataset Image dari Kaggle berisi 2.778 citra yang mencakup blackheads, whiteheads, papules, pustules, dan cysts. Seluruh citra diubah ukurannya menjadi 224 × 224 piksel, sedangkan augmentasi hanya diterapkan pada data pelatihan. Model menggunakan bobot awal ImageNet dan fine-tuning pada 50 lapisan terakhir, kemudian dilatih selama 50 epoch dengan optimizer Adam, learning rate 0,00007, dan batch size 32. Kinerja model dievaluasi menggunakan akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa model mencapai akurasi 99%, dengan presisi, recall, dan F1-score sebesar 0,98–1,00 pada lima kelas. Model selanjutnya diintegrasikan ke dalam aplikasi berbasis web untuk mengklasifikasikan citra yang diunggah pengguna dan menampilkan probabilitas setiap kelas. Hasil ini menunjukkan potensi MobileNetV2 sebagai pendukung klasifikasi awal lesi jerawat berbasis citra. Namun, pengujian pada data eksternal yang lebih beragam masih diperlukan untuk menilai kemampuan generalisasi model.]]>
Copyrights © 2026
