Skripsi

Rancang Bangun Alat Klasifikasi Jenis Jerawat Dilengkapi Dengan Saran Perawatan Berbasis Convolutional Neural Network

---

Jerawat merupakan permasalahan kesehatan kulit yang prevalensinya di Indonesia mencapai 85–100% pada kelompok remaja dan dewasa, namun penanganannya sering terlambat akibat keterbatasan akses terhadap identifikasi jenis jerawat yang tepat sehingga berpotensi menyebabkan jaringan parut permanen serta dampak psikososial yang signifikan. Penelitian ini menerapkan arsitektur Convolutional Neural Network DenseNet-121 dengan pendekatan multi-label classification terhadap 5 kelas jerawat (normal, blackhead, whitehead, papula, dan pustula), di mana citra wajah diproses melalui Histogram Equalization (HE) sebagai tahap pra-pemrosesan, dilanjutkan anotasi, augmentasi, serta pembagian dataset menjadi training, validation, dan testing, kemudian diimplementasikan pada perangkat keras Raspberry Pi. Hasil pelatihan menunjukkan bahwa mekanisme dense connection pada DenseNet-121 efektif mengekstraksi fitur visual jerawat secara detail dengan performa model mencapai akurasi sebesar 93% berdasarkan evaluasi Confusion Matrix. Sistem ini berhasil mengklasifikasikan jenis jerawat dan menyajikan saran perawatan yang relevan disertai fitur ekspor PDF, sehingga dapat menjadi solusi deteksi dini yang portabel dan mudah diakses oleh masyarakat umum.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

001.43 TEM-D4-2026 PUT r

Penerbit

Jakarta : Sarjana Terapan Teknologi Rekayasa Elektro-medis., 2026

Deskripsi Fisik

xvii + 107 hlm. : ilus. ; 21 x 29,7 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.43

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Jerawat
histogram equalization
Convolutional Neural Network
DenseNet-121
klasifikasi-multi-label.

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Putri Adelia Zafira

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar