Studi Analitis Klasifikasi Penyakit Kulit Wajah Menggunakan Algoritma Convolutional Neural Network (CNN)

Abstract

Penyakit kulit wajah merupakan masalah kesehatan umum yang memengaruhi kualitas hidup individu. Penelitian ini bertujuan untuk mengklasifikasikan lima jenis penyakit kulit wajah, yaitu jerawat (acne), keratosis aktinik (actinic keratosis), karsinoma sel basal (basal cell carcinoma), eksim (eczema), dan rosacea (rosacea), menggunakan Convolutional Neural Network (CNN) dengan arsitektur EfficientNetB0. CNN adalah jenis jaringan saraf tiruan yang dirancang untuk mengenali pola dari gambar dengan meniru cara kerja korteks visual manusia. Dataset yang digunakan terdiri dari 625 gambar, yang dibagi menjadi data pelatihan (355 gambar), validasi (85 gambar), dan pengujian (185 gambar). Model dilatih selama 100 epoch dan dievaluasi pada epoch ke-20, ke-50, ke-80, dan ke-100. Hasil menunjukkan bahwa epoch ke-50 memberikan performa terbaik dengan akurasi pengujian 70,27%, presisi 78,94%, recall 75,38%, dan F1-score 75,83%. Penelitian ini membuktikan efektivitas arsitektur EfficientNetB0 dalam klasifikasi penyakit kulit wajah dan pentingnya pemilihan epoch untuk meningkatkan kinerja model.