EVALUASI PERFORMA PENDEKATAN HYBRID CONVOLUTIONAL NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI CITRA PENYAKIT KULIT BERBASIS POLA VISUAL PENYAKIT KULIT

Rispriatina, Claura Tri (2026) EVALUASI PERFORMA PENDEKATAN HYBRID CONVOLUTIONAL NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI CITRA PENYAKIT KULIT BERBASIS POLA VISUAL PENYAKIT KULIT. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (307kB)
	Text BAB 2.pdf Download (442kB)
	Text BAB 3.pdf Download (667kB)
	Text BAB 4.pdf Download (922kB)
	Text BAB 5.pdf Download (254kB)
	Text LAMPIRAN.pdf Download (374kB)

Abstract

Perkembangan teknologi kecerdasan buatan telah mendorong pemanfaatan metode
deep learning dalam bidang pengolahan citra medis, termasuk klasifikasi penyakit
kulit. Penelitian ini bertujuan untuk mengevaluasi performa pendekatan hybrid yang
menggabungkan Convolutional Neural Network (CNN) sebagai ekstraktor fitur dan
Support Vector Machine (SVM) sebagai classifier dalam mengklasifikasikan citra
penyakit kulit berdasarkan pola visual. Dataset yang digunakan terdiri dari lima
kategori penyakit, yaitu acne, eksim (dermatitis), herpes, panu (tinea versicolor), dan
rosacea. Model CNN pretrained dimanfaatkan melalui pendekatan transfer learning
untuk memperoleh representasi fitur berdimensi tinggi, yang selanjutnya
diklasifikasikan menggunakan SVM dengan kernel Radial Basis Function (RBF).
Kinerja model hybrid dibandingkan dengan model CNN baseline yang menggunakan
lapisan klasifikasi softmax. Evaluasi dilakukan menggunakan metrik accuracy,
precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNNSVM memperoleh akurasi sebesar 83,95%, lebih tinggi dibandingkan CNN baseline yang mencapai 82,27%. Selain peningkatan akurasi, pendekatan hybrid juga
menunjukkan distribusi performa yang lebih stabil pada beberapa kelas dengan tingkat
kemiripan visual tinggi. Implementasi sistem dalam bentuk aplikasi web interaktif
menunjukkan bahwa model mampu melakukan klasifikasi secara real-time dengan
penyajian distribusi probabilitas untuk meningkatkan transparansi hasil prediksi.
Secara keseluruhan, penelitian ini membuktikan bahwa integrasi CNN dan SVM dapat
menjadi alternatif yang efektif dalam klasifikasi citra penyakit kulit, khususnya pada
dataset dengan variasi visual yang kompleks dan jumlah data terbatas.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	08 May 2026 07:00
Last Modified:	08 May 2026 07:14
URI:	https://repository.unas.ac.id/id/eprint/15828

Actions (login required)

View Item