Aplikasi Klasifikasi Penyakit Kulit Kepala Menggunakan CNN dengan Augmentasi Data Berbasis CGAN untuk Rekomendasi Perawatan yang Tepat

Yang, Florencia (2026) Aplikasi Klasifikasi Penyakit Kulit Kepala Menggunakan CNN dengan Augmentasi Data Berbasis CGAN untuk Rekomendasi Perawatan yang Tepat. [Undergraduate thesis]

PDF Abstrak_TI-2693.pdf Download (104kB)

Abstract

Masalah kesehatan kulit kepala seperti ketombe, alopecia, dermatitis seboroik, dan psoriasis tidak hanya mempengaruhi kondisi rambut, tetapi juga berdampak pada kesejahteraan psikologis penderitanya. Keterbatasan akses terhadap layanan dermatologi, baik dari sisi biaya dan waktu, seringkali menghambat proses diagnosis dini. Oleh karena itu, penelitian ini mengembangkan sebuah aplikasi mobile berbasis Neural Network (CNN) serta Conditional Generative Adversarial Network (cGAN) sebagai alat bantu diagnosis awal penyakit kulit kepala yang cepat, efisien, dan mudah diakses. Sistem yang dikembangkan mengintegrasikan CNN dengan arsitektur VGG-16 untuk klasifikasi citra serta cGAN untuk augmentasi data guna mengatasi ketidakseimbangan distribusi kelas. Dataset yang digunakan berasal dari Kaggle dan Roboflow dengan total 12 kelas kondisi kulit kepala, yang telah melalui tahap pre-processing, pembersihan data, dan validasi label oleh ahli. Proses pelatihan dilakukan menggunakan kombinasi citra asli dan citra sintetis, kemudian dilanjutkan dengan fine-tuning menggunakan data asli agar model lebih representatif terhadap kondisi nyata. Evaluasi dilakukan pada 1.319 citra uji menggunakan metrik akurasi, precision, recall, dan F1-score, serta melibatkan pakar dan 35 pengguna umum. Model mencapai akurasi 99,92% dengan precision 0,98, recall 0,97, dan F1-score 0,97. Model akhir dikonversi ke TensorFlow Lite dan diintegrasikan ke aplikasi Android dengan fitur riwayat diagnosis serta rekomendasi perawatan awal.

Item Type:	Undergraduate thesis
Uncontrolled Keywords:	Deteksi Penyakit Kulit Kepala, Convolutional Neural Network VGG-16, Conditional GAN, Augmentasi Data, Aplikasi Mobile
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	KARYONO - 196022
Date Deposited:	25 Jun 2026 03:38
Last Modified:	25 Jun 2026 03:38
URI:	http://repository.ubaya.ac.id/id/eprint/50608

Actions (login required)

View Item