KLASIFIKASI PENYAKIT JAMUR PADA KULIT MANUSIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2

KLASIFIKASI PENYAKIT JAMUR PADA KULIT MANUSIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2

• By Ramadhan, Riko Airlan;
• Jurnal Nasional Terakreditasi
• 12
• 1-11

era digital yang semakin maju, teknologi telah membuat berbagai aspek kehidupan menjadi lebih mudah, termasuk kesehatan. Dengan membangun model machine learning menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, penelitian ini bertujuan untuk mempermudah diagnosis penyakit jamur pada kulit manusia. Model ini dirancang untuk secara otomatis dan akurat mengklasifikasikan berbagai jenis penyakit jamur kulit. Data yang digunakan dalam penelitian ini adalah foto kulit yang terinfeksi jamur. Untuk meningkatkan akurasi prediksi, proses pelatihan model melibatkan penggunaan data yang diperluas dan teknik deep learning. Model yang dikembangkan digunakan dalam sebuah aplikasi ponsel yang memungkinkan pengguna untuk mendiagnosis penyakit jamur kulit hanya dengan mengambil foto jamur yang terinfeksi dengan kamera ponsel. Hasil evaluasi menunjukkan bahwa model ini dapat dengan akurat mengklasifikasikan penyakit jamur kulit, sehingga dapat membantu tenaga medis dan masyarakat umum mendiagnosis dan menangani penyakit jamur kulit dengan cepat. Oleh karena itu, diharapkan bahwa teknologi ini dapat mendorong praktik medis yang lebih efektif dan akurat serta meningkatkan kualitas layanan kesehatan. Pada penelitian klasifikasi menggunakan Convolutional Neural Network dengan arsitektur MobileNetV2 ini mendapatkan akurasi sebesar 99% untuk mengklasifikasi penyakit jamur pada kulit manusia.

• Katakunci Convolutional Neural Network, MobileNetV2, Penyakit Jamur Kulit
• URL http://
• Penerbit Indexia : Informatics and Computational Intelligent Journal, Gresik Jawa Timur

REFERENSI

[1]      Nurkhasanah and Murinto, “Klasifikasi Penyakit Kulit Wajah Menggunakan Metode Convolutional Neural Network,” Sainteks, vol. 18, no. 2, p. 183, Feb. 2022, doi: 10.30595/sainteks.v18i2.13188.

[2]      M. E. Prasetyo, M. R. Faza, R. Pratama, S. N. H. Alhabsy, H. Purwanti, and A. P. A. Masa, “Klasifikasi Ragam Kendaraan Menggunakan Metode Convolutional Neural Network (Cnn),” Adopsi Teknologi dan Sistem Informasi (ATASI), vol. 2, no. 2, pp. 142–148, 2023, doi: 10.30872/atasi.v2i2.1156.

[3]      M. M. Taye, “Theoretical Understanding of Convolutional Neural Network :,” Mdpi Ag, vol. 11, no. 3, p. 52, 2023.

[4]      F. Zaelani and Y. Miftahuddin, “Perbandingan Metode EfficientNetB3 dan MobileNetV2 Untuk Identifikasi Jenis Buah-buahan Menggunakan Fitur Daun,” Jurnal Ilmiah Teknologi Infomasi Terapan, vol. 9, no. 1, pp. 1–11, 2022, doi: 10.33197/jitter.vol9.iss1.2022.911.

[5]      L. Hakim, Z. Sari, and Handhajani, “Klasifikasi Citra Pigmen Kanker Kulit Menggunakan Convolutional Neural Network,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 379–385, Apr. 2021, doi: 10.29207/resti.v5i2.3001.

[6]      K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” Jurnal Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.

[7]      P. N. Zakiya, L. Novamizanti, and S. Rizal, “Klasifikasi Patologi Makula Retina Melalui Citra Oct Menggunakan Convolutional Neural Network Dengan ( Classification of Pathology of Macula Retina Through Oct Image Using,” e-Proceeding of Engineering, vol. 8, no. 5, pp. 5072–5082, 2021.

[8]      M. R. Alwanda, R. P. K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” Jurnal Algoritme, vol. 1, no. 1, pp. 45–56, 2020, doi: 10.35957/algoritme.v1i1.434.

[9]      A. Yusuf, R. C. Wihandika, and C. Dewi, “Klasifikasi emosi berdasarkan ciri wajah wenggunakan convolutional neural network,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 11, pp. 10595–10604, 2019.

[10]     M. R. A. Yudianto and H. Al Fatta, “ANALISIS PENGARUH TINGKAT AKURASI KLASIFIKASI CITRA WAYANG DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK,” Jurnal Teknologi Informasi, vol. 4, 2020.

[11]     B. N. Azmi, A. Hermawan, and D. Avianto, “Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 4, no. 4, pp. 281–290, 2023, doi: 10.35746/jtim.v4i4.298.

[12]     Karsito and S. Susanti, “Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah Dengan Algoritma Naïve Bayes Di Perumahan Azzura Residencia,” Jurnal Teknologi Pelita Bangsa, vol. 9, pp. 43–48, 2019.