Klasifikasi Jenis Jerawat Menggunakan Convolutional Neural Networks

Abstrak

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