Aplikasi Deteksi Penyakit Kulit Pada Balita Menggunakan Arsitektur ResNet50V2 Berbasis Image Processing
Total View This Week0
Total View This Week0
Institusion
Politeknik Harapan Bersama
Author
Fitria Sari, Dwi Indah
Subject
T Technology
Datestamp
2023-09-11 08:56:32
Abstract :
Penyakit kulit adalah salah satu penyakit yang paling umum pada balita. Ini karena kulit balita relatif tipis dan hubungan antar selnya longgar. Selain itu, mudah menyerang balita apalagi dalam kondisi lingkungan yang tidak sehat. Convolutional Neural Network (CNN) adalah salah satu metode deep learning yang sering digunakan dalam pengenalan citra digital. CNN memiliki bebrapa arsitektur salah satunya ResNet50V2 yang akan digunakan untuk pembuatan model, ResNet digunakan karena menggunakan metode yang berbeda dibandingkan CNN sebelumnya, yaitu residual blocks dan skip connection. Pengujian model pada penelitian ini menggunakan confusion matrix dengan akurasi keseluruhan 97,77%, dan akurasi masing-masing kelas yaitu biang keringat 93,3%, bukan kulit 100%, cacar 100%, campak 97,3%, eksim 96% dan kulit sehat 100%. Pengujian aplikasi menggunakan metode black box telah berhasil sesuai dengan objek yang diuji, skenario pengujian dan hasil yang diharapkan. Pengujian fungsionalitas menghasilkan kesimpulan saat melakukan deteksi secara real time dapat menggunakan jarak 5 cm dan 10 cm untuk mendapatkan prediksi yang tepat. Aplikasi untuk deteksi penyakit kulit pada balita berbasis image processing menggunakan algoritma Convolutional Neural Network dengan arsitektur ResNet50V2 telah dibuat dengan domain deteksikulitbalita.my.id dan telah telah terdaftar pada Pangkalan Data Kekayaan Intelektual Indonesia dengan nomor sertifikat EC00202355539.
Penyakit kulit adalah salah satu penyakit yang paling umum pada balita. Ini karena kulit balita relatif tipis dan hubungan antar selnya longgar. Selain itu, mudah menyerang balita apalagi dalam kondisi lingkungan yang tidak sehat. Convolutional Neural Network (CNN) adalah salah satu metode deep learning yang sering digunakan dalam pengenalan citra digital. CNN memiliki bebrapa arsitektur salah satunya ResNet50V2 yang akan digunakan untuk pembuatan model, ResNet digunakan karena menggunakan metode yang berbeda dibandingkan CNN sebelumnya, yaitu residual blocks dan skip connection. Pengujian model pada penelitian ini menggunakan confusion matrix dengan akurasi keseluruhan 97,77%, dan akurasi masing-masing kelas yaitu biang keringat 93,3%, bukan kulit 100%, cacar 100%, campak 97,3%, eksim 96% dan kulit sehat 100%. Pengujian aplikasi menggunakan metode black box telah berhasil sesuai dengan objek yang diuji, skenario pengujian dan hasil yang diharapkan. Pengujian fungsionalitas menghasilkan kesimpulan saat melakukan deteksi secara real time dapat menggunakan jarak 5 cm dan 10 cm untuk mendapatkan prediksi yang tepat. Aplikasi untuk deteksi penyakit kulit pada balita berbasis image processing menggunakan algoritma Convolutional Neural Network dengan arsitektur ResNet50V2 telah dibuat dengan domain deteksikulitbalita.my.id dan telah telah terdaftar pada Pangkalan Data Kekayaan Intelektual Indonesia dengan nomor sertifikat EC00202355539.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
