Perbandingan Metode CNN dan SVM pada Proses Klasifikasi Penyakit Kulit Berbasis Web

Kushartanto, Ahmad Ilham (2023) Perbandingan Metode CNN dan SVM pada Proses Klasifikasi Penyakit Kulit Berbasis Web. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (847kB)
	Text Bab 1.pdf Download (420kB)
	Text Bab 2.pdf Download (550kB)
	Text Bab 3.pdf Download (1MB)
	Text Bab 4.pdf Download (1MB)
	Text Bab 5.pdf Download (106kB)
	Text Lampiran.pdf Download (428kB)

Abstract

Karena kulit merupakan lapisan terluar tubuh, maka seringkali terjadi interaksi langsung antara kulit dengan beragam jenis bakteri, mikroba, dan virus. Peran kulit sangat signifikan dalam menjalankan tugasnya, yaitu melindungi organ-organ internal tubuh dari potensi cedera dan serangan patogen. Pengklasifikasi citra telah mengalami perkembangan dan penerapan yang luas di berbagai bidang, termasuk di bidang kesehatan, contohnya dalam klasifikasi penyakit kulit. Dalam penelitian sebelumnya, telah dilakukan evaluasi, perbandingan, dan penilaian kinerja Convolutional Neural Network (CNN) serta Support Vector Machine (SVM) dalam konteks pengklasifikasi penyakit kulit berbasis web. Selain itu, juga telah diupayakan untuk mengatasi masalah ketidakseimbangan data pelatihan. Penelitian dilakukan dengan melakukan augmentasi untuk generalisasi atau diversifikasi data dan membandingkan metriks-metriks kinerja pada model seperti Recall, Akurasi, dan F1Score serta pengembangan aplikasi web untuk melakukan pengklasifikasian. Hasilnya menunjukkan rata-rata akurasi CNN sebesar 83,8%, sedangkan SVM mencapai 81%. Meskipun kedua model memiliki metrik yang tinggi untuk kelas normal, kelas lain yang lebih rumit hanya dapat ditangani oleh CNN dengan nilai lebih dari 0,9. Selain itu, metode CNN juga memberikan Confidence Score yang lebih tinggi dibandingkan SVM, serta waktu eksekusi yang lebih cepat. Kesimpulannya, metode CNN lebih unggul dan direkomendasikan untuk klasifikasi penyakit kulit berdasarkan aplikasi web berdasarkan berbagai hasil uji kinerja.

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	13 Mar 2024 03:36
Last Modified:	14 Mar 2024 05:04
URI:	http://repository.unas.ac.id/id/eprint/9729

Actions (login required)

View Item