Deteksi dan Klasifikasi Kategori Jerawat pada Wajah Menggunakan Metode Deep Learning Tensorflow

Wijaya, Adriel Evannuel (2022) Deteksi dan Klasifikasi Kategori Jerawat pada Wajah Menggunakan Metode Deep Learning Tensorflow. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (688kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (262kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (260kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (805kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (367kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
PDF
BAB_V.pdf

Download (251kB) | Preview
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (517kB)

Abstract

Masalah jerawat pada wajah seringkali dialami oleh para pria maupun wanita ketika beranjak pada usia remaja hingga dewasa. Timbulnya masalah jerawat tidak terbatas oleh usia, terkadang penderita yang sering terjadi pada usia remaja saat mengalami pubertas. Hal ini terjadi karena adanya perubahan pada hormon dalam tubuh yang meningkat untuk memproduksi kelenjar minyak secara aktif, sehingga membuat pori-pori pada kulit wajah menjadi tersumbat oleh kotoran dan menyebabkan timbulnya jerawat. Untuk mengenali masalah pada kulit wajah, biasanya dilakukan secara tradisional yaitu dengan mengunjungi klinik kecantikan dan akan ditentukan oleh dokter kulit. Pada penelitian ini akan diimplementasikan sebuah sistem untuk mendeteksi jerawat yang ada pada kulit wajah. Hal ini penting untuk diketahui agar setiap orang memiliki kemampuan untuk mengkategorikan jenis jerawat pada kulit wajah, sehingga akan dengan sangat mudah memilih produk kecantikan untuk menjaga kebersihan kulit wajah dan pengobatan lebih lanjut. Sistem ini dirancang dengan metode pembelajaran mendalam (deep learning) menggunakan bahasa pemrograman python dengan memakai library dari tensorflow dan pandas dengan model Convolution Neural Network (CNN). Dengan menggunakan metode dari Convolutional Neural Network ini peneliti memperoleh hasil sebesar 87% untuk tingkat akurasi dari sistem yang dirancang ini, serta menggunakan library dari tensorflow serta pandas dapat digunakan dalam mendeteksi jenis jerawat pada kulit wajah dengan masing-masing kelas jenis jerawat yang telah dibuat seperti jerawat biasa, jerawat batu dan komedo.

Item Type: Thesis (Bachelor Thesis)
Keywords: Convolutional Neural Network, Deteksi jerawat, Deep Learning, TensorFlow.
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods
000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 20 Jul 2022 04:12
Last Modified: 02 Aug 2023 02:43
URI: https://kc.umn.ac.id/id/eprint/22212

Actions (login required)

View Item View Item