DETEKSI OTOMATIS JERAWAT WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Putra, Fajar Sudana (2022) DETEKSI OTOMATIS JERAWAT WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 18.51.1144 Fajar Sudana Putra.pdf Download (2MB)

Abstract

Perkembangan tata rias di dunia belakangan ini semakin pesat perkembangannya. Perkembangan tersebut diimbangi dengan banyaknya kemunculan kosmetik dan skin care dari berbagai merk, namun tak sedikit juga efek negatif dari penggunaan yang ditimbulkan salah satunya adalah jerawat. Jerawat merupakan salah satu masalah pada kulit terutama wajah yang timbul secara fisiologis karena hampir setiap orang pernah mengalaminya (Wasitaatmadja, 2010). Jerawat terdiri dari berbagai jenis yaitu blackhead,whitehead,papula dan kista (Bhate, K. & Williams,2013). Tidak sedikit orang yang ingin menghilangkan dan terbebas dari jerawat. Perkembangan teknologi saat ini dalam bidang image prosessing dalam beberapa tahun ini dengan penerapan jaringan saraf convolutional menunjukkan kinerja yang begitu signifikan dengan memiliki tingkat akurasi yang tinggi, misalnya deteksi objek yang mana baru-baru ini memiliki restorasi gambar. Oleh karena itu perkembangan teknologi untuk mempermudah dalam penanganan jerawat sangat dibutuhkan tenaga medis khususnya dokter spesialis kulit. Penelitian ini fokus dalam pengembangan keakurasian metode menggunakan metode hough circle transform & Convolutional Neural Network (CNN). Penelitian ini membuktikan peningkatan akurasi dan ketepatan objek deteksi jerawat menggunakan metode Convolutional Neural Network (CNN). Hasil dari proses learning didapatkan model CNN dengan akurasi 99,8% hingga 100%, Sehingga dapat disimpulkan bahwa metode CNN yang dirancang pada penelitian ini dapat mengklasifikasi citra dengan baik.

Actions (login required)

View Item