PENERAPAN CONVOLUTION NEURAL NETWORK UNTUK KLASIFIKASI JENIS JERAWAT PADA GAMBAR WAJAH

Jerawat merupakan gangguan kulit yang sering dialami di kalangan remaja dan dewasa. Jenis jerawat yang sering di alami antara lain yaitu Blackhead, Cyst, Papules, Pustules, dan Whitehead yang masing-masing secara umum memperlukan penanganan yang berbeda. Jenis jerawat dapat di identifikasi secara manual oleh tenaga medis namun, hal tersebut memakan waktu lama dan tidak selalu terjangkau oleh masyarakat umum. Penelitian ini bertujuan untuk membangun dan menguji sistem klasifikasi jenis jerawat pada citra wajah menggunakan metode CONVOLUTION NEURAL NETWORK (CNN) dengan arsitektur EfficientNetB0. Pada penelitian ini dataset yang digunakan yaitu 4.620 citra wajah yang terbagi dalam 5 kelas jerawat. Dataset di bagi menjadi tiga yaitu data pelatihan 60,15%, data uji yaitu 19,89% dan data validasi yaitu 19,96%. Proses preprocessing meliputi menggubah gambar menjadi 150x150 piksel, kemudian augmentasi data menggunakan teknik random flip, rotation, zoom, brightness, contrast, gaussian noise. Pelatihan model menggunakan optimizer adam dengan learning rate 0.0001 dan fungsi loss categorical crossentropy. Hasil pengujian menunjukkan bahwa akurasi 86% pada pelatihan selama 15 epoch, sedangkan akurasi 94% di hasilkan pada pelatihan 30 epoch dengan nilai macro average F1-Score sebesar 0.95. Penelitian ini berhasil mengimplementasikan dalam antarmuka berbasis streamlit sebagai alat bantu skrinning awal klasifikasi jenis jerawat secara real-time