Deteksi Dini Penyakit Kulit Pada Wajah Berdasarkan Citra Dengan Pendekatan Convolutional Neural Network (CNN)

Abstract

Penyakit kulit wajah seperti jerawat dan melasma dapat memengaruhi kesehatan serta kepercayaan diri seseorang. Deteksi dini sangat penting untuk mendukung penanganan yang lebih cepat dan efektif. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit kulit wajah berbasis citra digital menggunakan pendekatan Convolutional Neural Network (CNN). Model dikembangkan untuk mengklasifikasikan lima kategori: jerawat, flek hitam, herpes, kutil, dan tahi lalat, dengan total 380 citra. Data melalui tahapan pra-pemrosesan seperti pengubahan ukuran, normalisasi, dan augmentasi. Arsitektur CNN terdiri dari dua lapisan konvolusi, dua max pooling, dan dua fully connected. Hasil evaluasi menunjukkan akurasi rata-rata sebesar 90,58%, presisi 82,28%, recall 76%, dan F1-score 74,82%. Meskipun model menunjukkan performa baik pada beberapa kelas, masih ditemukan indikasi overfitting dan kesalahan klasifikasi antar kategori. Keterbatasan utama terletak pada jumlah data dan kemampuan generalisasi model. Dengan demikian, model CNN memiliki potensi dalam mendukung diagnosis awal penyakit kulit wajah, namun masih memerlukan pengembangan lanjutan melalui penggunaan dataset yang lebih besar dan arsitektur yang lebih kompleks.