IMPLEMENTASI DEEP LEARNING MENGGUNAKAN FRAMEWORK TENSORFLOW DENGAN METODE FASTER REGIONAL CONVOLUTIONAL NEURAL NETWORK UNTUK PENDETEKSIAN JERAWAT

  • Hasma Y
  • Silfianti W
N/ACitations
Citations of this article
476Readers
Mendeley users who have this article in their library.

Abstract

Jerawat sering dialami oleh kaum wanita maupun pria dari usia remaja hingga dewasa. Banyak rumah sakit dan klinik kecantikan yang dapat di datangi oleh para penderita untuk memeriksakan jerawat tersebut. Penelitian ini merupakan implementasi dari pendeteksian jerawat menggunakan image processing dan secara realtime, lalu sistem akan mengklasifikasikan jerawat yang ada pada wajah. Jerawat yang dapat dikenali oleh sistem ini yaitu jerawat, bekas, dan pus. Sistem deteksi dan klasifikasi ini dibuat dengan metode deep learning dengan menggunakan bahasa pemrograman Python, yang dibantu dengan menggunakan framework TensorFlow dengan model Faster R-CNN. Sistem ini hanya dapat berjalan di laptop dengan memiliki Python versi 3.6 di dalamnya dan telah memliki library Numpy, TkInter, Matplotlib, dan OpenCV dan juga memiliki kamera pada laptop yang digunakan agar dapat menjalankan sistem secara realtime yang didukung dengan GPU yang memadai. Perancangan alur aplikasi menggunakan flowchart diagram. Hasil uji terhadap sistem menggunakan perbandingan objek yang terdeteksi dengan yang seharusnya lalu dibagi dan dikalikan dengan seratus persen. Hasil yang didapat dari pengujian cukup baik menggunakan metode deep learning.

Cite

CITATION STYLE

APA

Hasma, Y. A., & Silfianti, W. (2018). IMPLEMENTASI DEEP LEARNING MENGGUNAKAN FRAMEWORK TENSORFLOW DENGAN METODE FASTER REGIONAL CONVOLUTIONAL NEURAL NETWORK UNTUK PENDETEKSIAN JERAWAT. Jurnal Ilmiah Teknologi Dan Rekayasa, 23(2), 89–102. https://doi.org/10.35760/tr.2018.v23i2.2459

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free