SISTEM KLASIFIKASI PENYAKIT KULIT PADA MANUSIA CONVOLUTIONAL NEURAL NETWORK (CNN) EFFICIENTNET B2

Abstract

Penyakit kulit merupakan masalah kesehatan yang sering ditemui di seluruh dunia dan mempengaruhi
berbagai kelompok usia. Data menunjukkan bahwa penyakit kulit masih merupakan masalah kesehatan
yang signifikan di Indonesia, terutama di kalangan masyarakat. Diagnosis yang cepat dan akurat sangat
penting untuk memastikan perawatan yang tepat dan mencegah komplikasi lebih lanjut. Penelitian ini
bertujuan untuk mengembangkan sistem klasifikasi penyakit kulit pada manusia menggunakan CNN
dengan arsitektur EfficientNet B2, mengatasi tantangan dalam diagnosis manual yang seringkali
memakan waktu dan rentan terhadap kesalahan dan memanfaatkan kemajuan dalam teknologi deep
learning. Penelitian ini menggunakan metode eksperimental untuk mengklasifikasikan penyakit kulit
menggunakan algoritma Convolutional Neural Network (CNN) MobileNetV2. Hasil evaluasi menunjukkan
bahwa model EfficientNet B2 memiliki akurasi sebesar 84.0%, presisi 85.0%, recall 83.0%, dan F1-score
84.0%. Hal ini menunjukkan bahwa model memiliki kinerja yang baik dalam mengklasifikasikan berbagai
jenis penyakit kulit. Penelitian ini menunjukkan bahwa model CNN EfficientNet B2 memiliki kinerja yang
baik dalam mengklasifikasikan berbagai jenis penyakit kulit dengan akurasi, presisi, recall, dan F1-score
yang memadai. Kontribusi dalam penelitian ini yaitu dalam bidang dermatologi dan kecerdasan buatan,
serta membuka peluang untuk penelitian lanjutan dalam klasifikasi medis berbasis gambar.