PENGEMBANGAN SISTEM DETEKSI JERAWAT PADA WAJAH MENGGUNAKAN YOLOV8 DENGAN PENDEKATAN AUGMENTASI DATA

Kurniawan, Argie (2025) PENGEMBANGAN SISTEM DETEKSI JERAWAT PADA WAJAH MENGGUNAKAN YOLOV8 DENGAN PENDEKATAN AUGMENTASI DATA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (188kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (637kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (633kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (82kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (210kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.3847.zip Restricted to Repository staff only Download (48MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Jerawat merupakan salah satu masalah kulit yang umum dialami oleh berbagai kalangan, namun jenis dan tingkat keparahannya berbeda-beda sehingga membutuhkan penanganan yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi jerawat secara otomatis menggunakan algoritma You Only Look Once version 8 (YOLOv8). Dataset yang digunakan diperoleh dari platform Roboflow dan terdiri dari sepuluh kelas jerawat yang berbeda, dengan anotasi bounding box untuk setiap objek pada citra. Tahapan penelitian meliputi pengumpulan dan eksplorasi dataset, pra-pemrosesan data, pelatihan model dasar, serta pelatihan model dengan penerapan augmentasi data dan optimizer Adam. Evaluasi model dilakukan menggunakan metrik mAP@0.5, mAP@0.5:0.95, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model dengan augmentasi dan optimizer Adam menghasilkan performa yang lebih baik dibandingkan model dasar, dengan mAP@0.5 mencapai 97,56% dan F1-score sebesar 93,38%. Sistem ini mampu menampilkan hasil deteksi secara visual dengan informasi kelas dan tingkat kepercayaan, sehingga berpotensi untuk digunakan sebagai alat bantu dalam analisis kondisi kulit. Penelitian ini membuktikan bahwa YOLOv8 dapat menjadi solusi efektif dalam deteksi jenis jerawat dan memiliki potensi untuk dikembangkan pada aplikasi klinis dermatologi.

Actions (login required)

View Item