DETEKSI PENYAKIT KULIT WAJAH MENGGUNAKAN TENSORFLOW DENGAN METODE CONVOLUTIONAL NEURAL NETWORK
DOI:
https://doi.org/10.36595/misi.v4i2.418Keywords:
Convolutional Neural Network (CNN), Penyakit Kulit, Tensor Flow, Deep Learning, Sisite, DeteksiAbstract
Abstrak
Masyarakat Indonesia dengan kondisi yang berbeda khususnya kulit pada wajah. Hal tersebut menyebabkan beberapa penyakit yang dapat menyerang kulit wajah. Di Indonesia, banyak wanita yang menderita penyakit kulit, hal ini dibuktikan dari profil kesehatan Indonesia tahun 2015. Masyarakat banyak yang belum mengetahui penyakit kulit dan bahaya penyakit kulit akibat keterlambatan dalam penanganan. Penelitian ini akan mendeteksi penyakit kuit wajah secara real-time, lalu sistem ini akan mengklasifikasikan penyakit kulit yang ada di wajah. Tipe jaringan saraf yang disebut Convolutional Neural Network (CNN) cocok untuk tugas berhubungan gambar. Jaringan dilatih untuk mencari fitur, seperti tepi, sudut dan perbedaan warna, diseluruh gambar dan menggabungkannya menjadi bentuk yang kompleks. Aplikasi ini hanya dapat digunakan pada android sehingga menjalankan sistem secara real-time. Hasil yang didapat menunjukkan hasil yang cukup baik dengan menggunakan metode deep learning.
Kata kunci: Convolutional Neural Network (CNN), Penyakit Kulit, TensorFlow, DeepLearning, Sistem Deteksi
Abstract
Indonesian people have different skin conditions, especially the skin on the face. This one causes several diseases that can attack facial skin. Indonesia's 2015 health profile shows that many women suffer from skin diseases. Many people do not know about skin diseases and the dangers caused by delays in handling. This study will detect facial skin disease in real-time, then this system will classify skin diseases on the face. A type of neural network called a Convolutional Neural Network (CNN) is suitable for image-related tasks. The system is regular to look for features, such as edges, angles, and color differences across images and combine them into complex shapes. This application only on android, so it runs the system in real-time. The results obtained show passably results using the deep learning method.
Keywords: Convolutional Neural Network (CNN), Penyakit Kulit, TensorFlow, DeepLearning, Sistem Deteksi
References
[2] Y. A. Hasma, W. Silfianti, “Impelemtasi Deep Learning Menggunakan Framework Tensorflow Dengan Metode Faster Regoinal Convolution Neural Network Untuk Pendeteksi Pada Jerawat,†Jurnal Ilmiah Teknologi dan Rekayasa, vol. 23, no. 2, 2018.
[3] G. Wicaksono, S. Ardyana, dan Benrahman, “Aplikasi Pendeteksi Penyakit Pada Daun Tanaman Apel Dengan Metode Convolutional Neural Netowork,†JOINTECS (Jurnal of Information Technology and Computer Science)., vol. 5, no. 1, 2020.
[4] K. A. Shianto, K. Gunadi, and E. Setyati, “Deteksi Jenis Mobil Menggunkan Metode YOLO Dan Faster R-CNN,†Konf. Nas. Teknol. Inf. dan Komput., vol. 7, no. 1, 2019.
[5] S. Rizal, N. Ibrahim dan N. K. C. Pratiwi, S. Saidah, R. Y. N. Fu’adah, “Deep Learning untuk Klasifikasi Diabetic Retinopathy menggunakan Model EfficientNet,†ELKOMIKA (jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika)., vol. 8, no. 3, pp. 693–705, 2020.
[6] I. W. Suartika, A. Y. Wijaya dan R. Soleiman, “Klasifikasi Citra Menggunakan Convolutional Neural Network(cnn) pada Caltech 101, Jurnal TEKNIK ITS , vol. 5, no 1, pp. 2301–9271, 2016.
[7] N. Fadilah, R. Kosasih, “Klasifikasi Jenis Kendaran Menggunakan Metode Convolutional Neural Network (CNN)†,Jurnal Ilmiah Teknologi dan Rekayasa, vol. 24, no. 3, 2019.
[8] A. Rohimi, Y. A. Sari, Tibiyani, “Convolutional Neural Network (CNN) Untuk Pengklarifikasi Citra Makanan Tradisonalâ€, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol.3, no. 7, pp. 7037–7042, 2019.
[9] A. Kurniadi, Kusrini, M. F. Sadikin, F. T. Informatika, and U. Telkom, “Implementasi Convolutional Nural Network Untuk Klasifikasi Variates Pada Citra Daun Sawi Menggunakan Keras,†Journal of Computer and Information Technology,Vol.4, No. 1, pp. 25–23, 2020.
[10] V. M. P. Salawazo, D. P. J. Gea, “Implementasi Metode Convolutional Neural Network (CNN) Pada Peneganalan Objek Video CCTV,†Jurnal Mantik Penusa, vol. 3, No.1.1, 2019.
[11] F. Y. Bisllisin,R. Nonitaatonis, “Penglompokan Jenis Rumput Laut Menggunakan Fuzzy C-Means Berbasis Citraâ€, Jurnal MISI ( Jurnal Manajemen Informatika danSistem infromasi), Vol.4, no. 2,2021.
[12] L. Mutawalli, M. T. A. Zean and I.F. Suhariani, “Sistem Indetifikasi Persebaran Pencemaran Air Oleh Limbah di Indonesia Menggunakan Average Lingkae Dan K-Means Cluster,†Jurnal MISI ( Jurnal Manajemen Informatika danSistem infromasi), Vol.1, no. 2, pp. 36-42, 2018.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
