I’ZZUDIN, MUHAMMAD (2024) DETEKSI PENYAKIT KULIT KEPALA MENGGUNAKAN MOBILENETV2 BERBASIS ANDROID. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.
![[img]](http://repository.unissula.ac.id/style/images/fileicons/text.png) |
Text
Teknik Informatika_32602000047_fullpdf.pdf Download (3MB) |
|
Text
Teknik Informatika_32602000047_pernyataan_publikasi.pdf Restricted to Registered users only Download (2MB) |
Abstract
Penyakit kulit kepala adalah masalah dapat memengaruhi kesehatan serta penampilan seseorang. Kerontokan rambut yang berlebihan, ketombe, dan infeksi kulit kepala menjadi masalah umum yang memerlukan deteksi dini dan tindakan cepat. Oleh karena itu, dibutuhkan sistem yang dapat mengklasifikasikan jenis penyakit rambuut yang sedang dialami. Dengan mengetahui lebih cepat jenis penyakit kulit kepala yang mereka derita, masayrakat dapat dengan cepat melakukan tindangan yang diperlukan. Penelitian ini memanfaatkan convolution neural network dengan arsitektur MobileNetV2 untuk klasifikasi jenis penyakit kulit kepala. MobileNetV2 dipilih karena merupakan model yang efisien dalam komputasi dan memiliki performa tinggi dalam tugas klasifikasi gambar yang dapat diimplementasikan dalam sistem berbasis android. Beberapa uji coba konfigurasi dirancang untuk menemukan model yang optimal. Uji coba tersebut mencangkup menggunaan learning rate, jumlah batch size, dan epoch. Model dengan kinerja terbaik ditemukan dengan konfigurasi optimizer Adam, learning rate 0.001, batch size 30, dan epoch 6. Menghasilkan accuracy 0.94, loss 0.19, validation accuracy 0.93, dan validation loss 0.1844. pada tahap testing model ini mencapai accuracy 0.93, precission 0.94, recall 0.93, dan fi-score sebesar 0.93. Kata Kunci: Penyakit Kulit Kepala, Klasifikasi, MobileNetV2, Android
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika |
| Depositing User: | Pustakawan 3 UNISSULA |
| Date Deposited: | 17 May 2024 03:26 |
| Last Modified: | 17 May 2024 03:26 |
| URI: | http://repository.unissula.ac.id/id/eprint/34036 |
Actions (login required)
 |
View Item |
