Penerepan Convolutional Neural Network dengan ResNet-50 untuk Klasifikasi Penyakit Kulit Wajah Efektif
DOI:
https://doi.org/10.29408/edumatic.v9i1.29572Keywords:
cnn, deep learning, medical images, skin disease classification, resnet-50Abstract
Skin diseases have a high prevalence in Indonesia, reaching 12.95% of the population, so early detection is an important step in handling them. This research aims to implement deep learning based on Convolutional Neural Network (CNN) with ResNet-50 architecture to improve the accuracy of facial skin disease classification through medical images. The data used comes from the Augmented Skin Conditions (Kaggle) dataset with a total of 2,394 images, which are processed through preprocessing, augmentation, and division of training and testing data with a ratio of 80%: 20%. The augmentation process resulted in image variations, but vertical distortions were found due to zooming settings and possible shearing effects. The model achieved an accuracy of 94%, higher than the previous study on pneumonia classification using ResNet-50, which obtained an accuracy of 86% and was affected by data imbalance and similarity of visual features between classes. These results show that ResNet-50 can overcome the vanishing gradient problem and extract complex features from medical images optimally. With this performance, this model can be applied in artificial intelligence systems to assist medical personnel in the early detection of skin diseases quickly, accurately, and efficiently.
References
Agustina, D. (2024). Klasifikasi Citra Jenis Kulit Wajah Dengan Algoritma Convolutional Neural Network (Cnn) Resnet-50. Jurnal Riset Sistem Informasi, 1(3), 01–07. https://doi.org/10.69714/13sbby24
Ayuningrum, E., Minarno, A. E., & Wicaksono, G. W. (2024). Klasifikasi Penyakit Katarak Pada Mata Manusia Menggunakan Metode Convolutional Neural Network. Jurnal Repositor, 4(4), 491–496. https://doi.org/10.22219/repositor.v4i4.32285
Darmawan, F. N., Silmina, E. P., & Hardiani, T. (2024). Sistem Klasifikasi Peyakit Kulit Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Website. Prosiding Seminar Nasional Penelitian Dan Pengabdian Kepada Masyarakat LPPM Universitas’ Aisyiyah Yogyakarta, 2, 871–881.
Febriyanti, F. A. (2024). Image Processing Dengan Metode Convolutional Neural Network (Cnn) Untuk Deteksi Penyakit Kulit Pada Manusia. Kohesi: Jurnal Sains Dan Teknologi, 3(10), 21–30.
Gusti, G. P. H. P., Haerani, E., Syafria, F., Yanto, F., & Gusti, S. K. (2024). Implementasi Algoritma Convolutional Neural Network (Resnet-50) untuk Klasifikasi Kanker Kulit Benign dan Malignant. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(3), 984–992. https://doi.org/10.57152/malcom.v4i3.1398
Gustiana, E. (2022). Hubungan Pengetahuan Tentang Personal Hygiene Dan Pemanfaatan Fasilitas Sanitasi Lingkungan Dengan Kejadian Penyakit Infeksi Kulit Pada Pondok Pesantren Anshor Al-Sunnah Air Tiris. Jurnal Kesehatan Masyarakat, 6(1), 1003–1007.
Handy I., Arifuddin R., H. B. (2024). Klasifikasi Penyakit Pneumonia menggunakan Metode Convolutional Neural Network (CNN). TECHNe Jurnal Ilmiah Elektroteknika, 23(2), 233–244. https://doi.org/10.31358/techne.v23i2.491
Lantang R., Jacobus A., & S. S. (2024). Image Hashing Utilization on Skin Disease Image Classification on Redundant Images. Jurnal Teknik Informatika, 19(2), 119–128. https://doi.org/10.35793/jti.v19i02.53408
Mas’ud, R. A., & Junta Zeniarja. (2024). Optimasi Convolutional Neural Networks untuk Deteksi Kanker Payudara menggunakan Arsitektur DenseNet. Edumatic: Jurnal Pendidikan Informatika, 8(1), 310–318. https://doi.org/10.29408/edumatic.v8i1.25883
Pajo, B. I. S., Dinatha, N. M., Zae, M. F., & Lobe, Y. P. P. (2024). Edukasi Perilaku Hidup Bersih Dan Sehat (Phbs) Sebagai Upaya Pencegahan Penularan Covid-19 Di Smp. Jurnal Edukasi Citra Olahraga, 4(2), 87–95. https://doi.org/10.38048/jor.v4i2.3483
Pamungkas, N. B., & Suhendar, A. (2024). Metode Convolutional Neural Network pada Sistem Klasifikasi Penyakit Tanaman Apel berdasarkan Citra Daun. Edumatic: Jurnal Pendidikan Informatika, 8(2), 675–684. https://doi.org/10.29408/edumatic.v8i2.27958
Pangestu, & Kusrini. (2024). Peningkatan kinerja arsitektur ResNet50 untuk Menangani Masalah Overfitting dalam Klasifikasi Penyakit Kulit. Tematik, 11(1), 65–71. https://doi.org/10.38204/tematik.v11i1.1876
Pohan, K. P., & Chairunisah, C. (2024). Sistem Pakar Mendiagnosa Penyakit Kulit Pada Manusia Menggunakan Metode Naive Bayes Classifier Berbasis Web. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika Dan Komputer), 23(1), 204–212. https://doi.org/10.53513/jis.v23i1.9521
Rahayu, N. S., Puteri, A. D., & Isnaeni, L. M. A. (2023). Hubungan Perilaku Masyarakat Dan Penggunaan Air Sungai Dengan Gangguan Penyakit Kulit Di Desa Kampung Pinang Wilayah Kerja Puskesmas Pantai Raja. Jurnal Imliah Ilmu Kesehatan, 2(1), 435–442.
Ria, S. N., Walid, M., & Umam, B. A. (2022). Pengolahan Citra Digital Untuk Identifikasi Jenis Penyakit Kulit Menggunakan Metode Convolutional Neural Network (CNN). Energy - Jurnal Ilmiah Ilmu-Ilmu Teknik, 12(2), 9–16. https://doi.org/10.51747/energy.v12i2.1118
Saputra, T. O., & Alamsyah, D. (2023). Klasifikasi Penyakit Cacar Monyet Menggunakan. Mdp Student Conference (Msc), 179–184. https://doi.org/10.35957/mdp-sc.v2i1.4400
Septipalan, M. L., Hibrizi, M. S., Latifah, N., Lina, R., & Bimantoro, F. (2024). Klasifikasi Tumor Otak Menggunakan CNN Dengan Arsitektur Resnet50. Seminar Nasional Teknologi & Sains, 3(1), 103–108. https://doi.org/10.29407/stains.v3i1.4357
Shidik, F. A., Musthofa, K., & Kartiningtyas, A. P. (2024). Analisis Citra Medis Untuk Identifikasi Penyakit Mata Dengan Teknologi Convolutional Neural Networks. Prosiding Seminar Nasional Amikom Surakarta, 68–80.
Supirman, S., Lubis, C., Yuliarto, D., & Perdana, N. J. (2023). Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network (Cnn) Dengan Arsitektur Vgg16. Simtek : Jurnal Sistem Informasi Dan Teknik Komputer, 8(1), 135–140. https://doi.org/10.51876/simtek.v8i1.217
Wijaya, D. A., Triayudi, A., & Gunawan, A. (2023). Penerapan Artificial Intelligence Untuk Klasifikasi Penyakit Kulit Dengan Metode Convolutional Neural Network Berbasis Web. Journal of Computer System and Informatics (JoSYC), 4(3), 685–692. https://doi.org/10.47065/josyc.v4i3.3519
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Nadia Ifti Khani, Sindhu Rakasiwi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Semua tulisan pada jurnal ini adalah tanggung jawab penuh penulis. Edumatic: Jurnal Pendidikan Informatika bisa diakses secara free (gratis) tanpa ada pungutan biaya, sesuai dengan lisensi creative commons yang digunakan.
This work is licensed under a Lisensi a Creative Commons Attribution-ShareAlike 4.0 International License.
