Deteksi Penyakit Kulit Wajah Manusia Berbasis Convolutional Neural Network (CNN) Dengan Arsitektur VGG19

Authors

  • Sandi Farhan Al Farizi Universitas Pamulang
  • Andi Alifian Magsyatul Asfa Universitas Pamulang
  • Aditya Bagus Saputra Universitas Pamulang
  • Fahrel Adha Universitas Pamulang
  • Muhammad Syawal Praditya Universitas Pamulang
  • Perani Rosyani Universitas Pamulang

Keywords:

Penyakit Kulit Wajah, Convolutional Neural Network (CNN), Pengolahan Citra, Deteksi Dini

Abstract

Penyakit kulit wajah pada manusia seperti Jerawat dan Rcosasea merupakan masalah kesehatan umum yang dapat mempengaruhi kualitas hidup seseorang. Deteksi dini penyakit kulit wajah dapat dilakukan menggunakan teknologi pengolahan citra dan machine learning. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan metode Convolutional Neural Network (CNN) untuk mengidentifikasi berbagai jenis penyakit kulit wajah. Dataset yang digunakan adalah dataset gambar wajah yang dilabeli dengan beberapa jenis penyakit kulit. Model CNN yang dikembangkan menunjukkan akurasi klasifikasi yang tinggi dengan hasil uji 90%. Penelitian ini memberikan kontribusi dalam pengembangan sistem diagnostik berbasis machine learning yang dapat membantu dalam deteksi dini penyakit kulit wajah.

References

Simonyan, K., & Zisserman, A. (2015). Very Deep Convolutional Networks for Large-Scale Image Recognition. International Conference on Learning Representations (ICLR)..

Kaggle, Acne and Rosacea Photos Dataset. https://www.kaggle.com

Downloads

Published

2024-11-11

How to Cite

Farhan Al Farizi, S., Alifian Magsyatul Asfa, A., Bagus Saputra, A., Adha, F., Syawal Praditya, M., & Rosyani, P. (2024). Deteksi Penyakit Kulit Wajah Manusia Berbasis Convolutional Neural Network (CNN) Dengan Arsitektur VGG19. JRIIN :Jurnal Riset Informatika Dan Inovasi, 2(8), 1485–1488. Retrieved from https://jurnalmahasiswa.com/index.php/jriin/article/view/1749