Klasifikasi Jenis Jerawat Menggunakan Convolutional Neural Networks

Ibrahim Hasan, Suprayogi Suprayogi, Hertiana Bethaningtyas Dyah

Abstract

Abstrak
Topik penelitian ini adalah tentang klasifikasi jerawat dengan menggunakan metode Convolutional
Neural Networks (CNN). Salah satu alasan utama mengapa judul ini diangkat sebagai topik
penelitian adalah di era digital artificial intelegent ini sangat dibutuhkan kapasitas untuk
mengklasifikasi jerawat dengan menggunakan metode machine learning terutama bagi pihak yang
memiliki keperluan untuk mengetahui jenis jerawat. Hal ini penting karena tidak semua orang
memiliki kemampuan dalam mengklasifikasi jenis jerawat sehingga sangat diperlukan keahlian
dalam mengklasifikasi jenis jerawat. Mengingat para ahli di bidang pengklasifikasian jerawat ini
sangatlah langka. Tugas Akhir ini menggunakan theoretical framework deep learning. Salah satu
metode yang digunakan adalah Convolutional Neural Network (CNN). Hal yang membedakan CNN
dengan metode neural network lainnya adalah jumlah hidden layer yang banyak pada proses
klasifikasi. Dalam penelitian ini digunakan 1200 dataset jerawat dengan jumlah data train dan data
test masing-masing sebanyak 1070 dan 130 citra. Preprocessing data, klasifikasi CNN, dan
pembuatan model dapat dilewati dengan baik. Hasil yang diperoleh adalah model dapat mengenali
dan mengklasifikasikan data citra uji dengan akurasi sebesar 91.6%.
Kata kunci: Jerawat, Convolutional Neural Networks (CNN), Stochastic Gradient Descent
Abstract
The topic of this research is about the classification of acne using the Convolutional Neural Networks
(CNN) method. One of the main reasons why this title was raised as a research topic is that in this digital
era of artificial intelligence, the capacity to classify acne using machine learning methods is needed,
especially for those who have a need for acne types. This is important because not everyone has the ability
to classify types of acne so that expertise is needed in classifying types of acne. Providing experts in the
field of acne classification is extremely rare. In this case, the theoretical framework used in learning. One
of the methods used is Convolutional Neural Network (CNN). What distinguishes CNN from other
methods neural networks is the large number of hidden layers in the classification process. In this study,
1200 acne datasets were used with 1070 and 130 images of train data and test data, respectively. Data
preprocessing, CNN classification, and modeling can be well done. The results obtained are the model can
and classify image data with an accuracy of 91.6%.
Keywords: Acne, Convolutional Neural Network (CNN), Stochastic Gradient Descent

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0