Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Penyakit Kulit Psoriasis Pada Manusia

Suranta Perangin-angin, Egia (2025) Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Penyakit Kulit Psoriasis Pada Manusia. Skripsi thesis, ITN MALANG.

	Text 2118122_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (529kB)
	Text 2118122_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (148kB)
	Text 2118122_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (695kB) | Request a copy
	Text 2118122_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (271kB) | Request a copy
	Text 2118122_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (892kB) | Request a copy
	Text 2118122_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (97kB) | Request a copy
	Text 2118122_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (101kB)
	Text 2118122_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy

Abstract

Penyakit kulit merupakan masalah kesehatan yang umum terjadi pada berbagai kelompok usia dan dapat berdampak pada kenyamanan, kepercayaan diri, serta kualitas hidup penderitanya Kondisi ini berpotensi menunda penanganan sehingga memperburuk keadaan pasien. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi penyakit kulit psoriasis yaitu : vulgaris, guttate, pustular, dan inversus. Metode yang digunakan untuk klasifikasi adalah Convolutional Neural Network (CNN). CNN adalah metode yang mampu mengolah masukan berupa citra dengan mengekstraksi fitur-fitur penting, sehingga dapat membentuk model yang mampu mengenali serta membedakan gambar. Dalam implementasi metode yaitu dengan pengumpulan dataset citra psoriasis dari roboflow, pelatihan model CNN dengan arsitektur model inception. Model hasil pelatihan diintegrasikan dalam sistem berbasis website dengan framework flask. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi sebesar 95,79% dalam memprediksi jenis penyakit kulit psoriasis dan bukan psoriasis. Pada pengujian menggunakan data dengan noise, sistem masih mampu mencapai akurasi sebesar 79%. Selain itu, hasil pengujian black-box menunjukkan kinerja sistem yang optimal dengan tingkat keberhasilan 100% dalam menampilkan output sesuai ekspektasi pada seluruh skenario uji. Dengan demikian, diperlukan perangkat yang memiliki kualitas baik untuk mendukung kinerja sistem, sehingga dapat memberikan kemudahan bagi masyarakat dalam mengenali gejala psoriasis secara mandiri dan lebih cepat.

Item Type:	Thesis (Skripsi)
Additional Information:	Egia Suranta Perangin-angin (2118122)
Uncontrolled Keywords:	Penyakit kulit, Psoriasis, Klasifikasi, Convolutional Neural Network, Kecerdasan Buatan
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Egia Suranta Perangin-angin
Date Deposited:	21 Aug 2025 05:34
Last Modified:	21 Aug 2025 05:34
URI:	http://eprints.itn.ac.id/id/eprint/14868

Actions (login required)

View Item