IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK PADA PENGENALAN JENIS LESI KULIT PRIMER BERBASIS ANDROID

Sengkey, Blessynta Christesa and Paseru, Debby and Pandelaki, Steven (2023) IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK PADA PENGENALAN JENIS LESI KULIT PRIMER BERBASIS ANDROID. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-DAFTAR_ISI_BlessyntaSengkey.pdf Download (506kB)
	PDF BAB_ISI-LAMPIRAN_BlessyntaSengkey.pdf Restricted to Repository staff only Download (3MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Lesi kulit merupakan kelainan atau gangguan kulit yang sangat dominan dialami oleh masyarakat di Indonesia. Lesi kulit adalah perubahan, kerusakan, pertumbuhan yang abnormal terhadap kulit, seperti perubahan tekstur, warna, munculnya benjolan dan bintik pada kulit. Penyakit ini tentu mengganggu aktivitas dan perilaku orang setiap hari karena reaksi yang ditimbulkan, seperti sensasi gatal, nyerih, perih dan panas yang berlebihan. Akan tetapi pengetahuan akan jenis-jenis lesi kulit oleh masyarakat awam masih kurang dan diperlukan sebuah sistem yang mampu memberikan informasi terkait lesi kulit primer.
Teknologi dalam hal ini pengolahan citra yang merupakan bagian dari machine learning dapat membantu calon pengguna untuk mengenali jenis-jenis lesi kulit primer lewat aplikasi yang dibangun. Algoritma Convolutional Neural Network (CNN) mampu melakukan ekstraksi fitur dan klasifikasi yang baik sehingga sangat cocok dimanfaatkan untuk pendeteksian gambar. Penelitihan dilakukan terhadap 4 kelas lesi, yakni makula, urtikaria, papula dan vesikular.
Tugas akhir ini dibuat dengan menerapkan Scrum sebagai metodologi pengembangan sistem. Metodologi ini bersifat terstruktur dan berulang yang bekerja secara fleksibel dan adaptif dalam mengadopsi perubahan-perubahan yang mungkin terjadi dalam pembangunan sistem dengan mengerjakannya sesuai prioritas. Pemodelan sistem menggunakan flowchart dan data flow diagram untuk menggambarkan alur aplikasi, menjelaskan pembuatan model dan pembuatan aplikasi.
Berdasarkan hasil pengujian dengan model CNN didapati nilai rata-rata akurasi, yaitu sebesar 95% dengan perhitungan nilai pada kelas makula dengan presicion 91%, recall 100%, f-1 score 95%, kelas urtikaria dengan precision 100%, recall 91%, f-1 score 95%, kelas papula dengan precision 98%, recall 93%, f-1 score 96% dan kelas vesikular dengan precision 93%, recall 99%, f-1 score 96%. Aplikasi telah diimplementasikan pada platform berbasis android.

Kata Kunci: Lesi Kulit, Machine Learning, Convolutional Neural Network.

Item Type:

Thesis (Skripsi)

Creators: