Deteksi Penyakit Kulit dengan Metode Convolutional Neural Network Menggunakan Arsitektur VGG19

Abstrak

Deteksi dini penyakit kulit merupakan tantangan signifikan, khususnya di daerah dengan keterbatasan layanan medis dermatologis. Masalah ini diperparah oleh kurangnya tenaga medis spesialis serta maraknya informasi kesehatan yang tidak akurat di internet. Tujuan dari penelitian ini adalah mengembangkan sistem klasifikasi otomatis berbasis citra digital guna mengidentifikasi lima jenis penyakit kulit: Eczema, Melanocytic Nevus, Melanoma, Benign Keratosis, dan Basal Cell Carcinoma. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur VGG19 melalui pendekatan transfer learning dan fine-tuning parsial pada layer block4_conv1. Dataset terdiri dari 10.000 gambar berformat .jpg yang telah melalui tahap normalisasi, augmentasi, deteksi tepi, dan penyeimbangan kelas. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil eksperimen menunjukkan bahwa model mencapai akurasi hingga 84% pada skenario terbaik, dengan keseimbangan metrik lainnya yang menunjukkan kinerja klasifikasi multi-kelas yang andal. Kesimpulan dari penelitian ini menunjukkan bahwa arsitektur VGG19 efektif untuk mendeteksi berbagai penyakit kulit berbasis citra. Implikasi dari hasil ini membuka peluang pengembangan sistem deteksi awal berbasis aplikasi mobile, terutama untuk membantu masyarakat di daerah dengan keterbatasan layanan medis.

Identifier

• DOI: https://doi.org/10.54914/jtt.v11i2.1900
• OpenAlex: https://openalex.org/W7116072057