<![CDATA[Jerawat (acne vulgaris) merupakan masalah kulit yang umum dan dapat memengaruhi kondisi psikologis penderitanya. Identifikasi jenis jerawat yang masih dilakukan secara visual dan mandiri bersifat subjektif serta berisiko menimbulkan pemilihan perawatan yang kurang tepat. Penelitian ini bertujuan mengembangkan aplikasi web untuk mengklasifikasikan lima jenis jerawat, yaitu blackheads, cyst, papules, pustules, dan whiteheads, menggunakan Convolutional Neural Network (CNN) berbasis transfer learning dengan arsitektur EfficientNetB1, dilengkapi rekomendasi penanganan dan perawatan kulit. Dataset publik dari Kaggle dan Roboflow dibagi menjadi 3.066 data latih, 928 data validasi, dan 927 data uji. Citra diubah ukurannya menjadi 224×224 piksel, kemudian model dilatih menggunakan optimizer Adam dengan variasi jumlah epoch dan learning rate. Model diintegrasikan ke dalam aplikasi web yang menerima citra dari galeri perangkat maupun hasil pengambilan gambar langsung melalui kamera. Pengujian menggunakan tiga seed menghasilkan rata-rata accuracy sebesar 88,35 ± 2,30%, precision makro 89,44 ± 2,42%, recall makro 86,68 ± 3,32%, dan F1-score makro 87,78 ± 3,06%. Untuk keperluan integrasi ke dalam aplikasi web yang membutuhkan satu model definitif, model dari iterasi seed 42 dipilih karena menunjukkan performa evaluasi tertinggi dengan accuracy mencapai 90,83%. Kesalahan klasifikasi paling sering terjadi antara papules dan pustules yang memiliki kemiripan visual. Aplikasi menampilkan jenis jerawat, confidence score, dan rekomendasi perawatan secara otomatis sehingga berpotensi membantu identifikasi awal yang lebih cepat dan objektif.]]>
Copyrights © 2026
