IDENTIFIKASI JENIS JERAWAT PADA CITRA JERAWAT WAJAH DENGAN MENGGUNAKAN METODE DEEP LEARNING

• MUSRIATUN NAPIAH
• 14002465

---

ABSTRAK

 

ABSTRAK Nama : Musriatun Napiah NIM : 14002465 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Image Processing Judul : “Identifikasi Jenis Jerawat Pada Citra Jerawat Wajah Dengan Menggunakan Metode Deep Learning” Jerawat merupakan salah satu masalah yang sering terjadi pada kulit yang biasanya disebabkan oleh produksi minyak berlebih dan pori-pori yang tersumbat sehingga timbul bintik kemerahan pada kulit. Penyebab utama munculnya jerawat karena adanya beberapa faktor seperti genetic, hormonal, makanan, kosmetik, dan infeksi bakteri. Dengan adanya jerawat menyebabkan keadaan kulit yang tidak normal dan mempengaruhi penampilan fisik maupun keadaan psikologis penderita jerawat, sehingga diperlukan penelitian untuk mengidentifikasi jenis jerawat yang diderita agar penanganan sesuai dengan yang dibutuhkan. Tujuan penelitian ini adalah mengidentifkasi jenis jerawat dengan menggunakan teknik pengolahan citra pada citra jerawat wajah. Dataset yang digunakan yaitu sebanyak 625 citra dari DermNet NZ dengan lima class citra yaitu Blackheads Comedones, Nodules,
Papules, Pustules, dan Whiteheads Comedones, yang kemudian di augmentasi hingga menghasilkan 6250 citra jerawat wajah, di mana dataset tersebut dibagi menjadi training, validation, dan testing. Pada penelitian ini menggunakan metode
deep learning dengan dua model yang diusulkan yaitu MobileNet dan NASNet. Dari kedua model yang digunakan, pengujian dengan menggunakan model MobileNet menghasilkan akurasi sebesar 80% dan dengan menggunakan NasNet menghasilkan akurasi yang cukup baik sebesar 81 %.
Kata kunci : Acne Vulgaris, Jerawat, Deep Learning, NASNet, MobileNet
 

KATA KUNCI

Identifikasi Jenis Jerawat Pada Citra Jerawat,METODE DEEP LEARNING

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] M. I. C. Wilar Et Al., “Effects Of Food On Acne Vulgaris,” Vol. 10, No. 28, Pp. 257–262, 2022. [2] Ibrahim, “Zona Kedokteran – Vol. 10 No. 1 Januari 2020,” Vol. 10, No. 1, Pp. 12–27, 2020. [3] M. Sampelan, D. Pangemanan, And R. Kundre, “Hubungan Timbulnya Acne Vulgaris Dengan Tingkat Kecemasan Pada Remaja Di Smp N 1 Likupang Timur,” Angew. Chemie Int. Ed. 6(11), 951–952., Vol. 5, No. 1, Pp. 5–24, 2017. [4] S. R. Ramadani, A. Rumi, And F. A. Parumpu, “Tingkat Pengetahuan Swamedikasi Jerawat Pada Mahasiswa Farmasi Fmipa Universitas Tadulako,” J. Kesehat. Masy., Vol. 6, No. April, Pp. 478–485, 2022. [5] S. A. Putri, “… Sirih (Piper Betle L.) Dengan Penambahan Sari Buah Tomat (Lycopersicum Esculentum Mill.) Untuk Mencegah Bakteri Staphylococcus Aureus Penyebab Jerawat,” 2019, [Online]. Available: Http://Repository.Unp.Ac.Id/24513/. [6] D. Kusbianto, R. Ardiansyah2, And D. A. Hamadi, “Implementasi Sistem Pakar Forward Chaining Untuk Identifikasi Dan Tindakan Perawatan Jerawat Wajah,” J. Inform. Polinema, Vol. 4, No. 1, Pp. 71 –80, 2017. [7] U. Delfana Rosiani, K. Suarjuna Batubulan, And M. Elisiana, “Identifikasi ‘Acne Vulgaris’ Berdasarkan Fitur Warna Dan Tekstur Menggunakan Klasifikasi Jst Backpropagation,” J. Inform. Polinema, Vol. 7, No. 2, Pp. 7– 12, 2021, Doi: 10.33795/Jip.V7i2.463. [8] X. Shen, J. Zhang, C. Yan, And H. Zhou, “An Automatic Diagnosis Method Of Facial Acne Vulgaris Based On Convolutional Neural Network,” Sci.
Rep., Vol. 8, No. 1, Pp. 1 –10, 2018, Doi: 10.1038/S41598-018-24204-6. [9] P. H. Wijaya, R. Wulanningrum, And R. Halilintar, “Perbaikan Citra Dengan
2
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Menggunakan Metode Gaussian Dan Mean Filter,” Semin. Nas. Inov.
Teknol., Vol. 5, No. 5, Pp. 100–105, 2021. [10] D. A. Prabowo And D. Abdullah, “Deteksi Dan Perhitungan Objek Berdasarkan Warna Menggunakan Color Object Tracking,” Pseudocode, Vol. 5, No. 2, Pp. 85–91, 2018, Doi: 10.33369/Pseudocode.5.2.85-91. [11] D. Herawati And A. R. Kardian, “Analisis Deteksi Tepi Pada Citra Digital Berbasis Jpg Dengan Operator Canny Menggunakan Matrix Laboratory,” J.
Ilm. Komputasi, Vol. 17, No. 3, Pp. 191 –208, 2018. [12] K. Karnadi, “Pengembangan Aplikasi Digital Image Processing Dengan Microsoft Visual Basic,” J. Digit. Teknol. Inf., Vol. 1, No. 1, P. 15, 2018, Doi: 10.32502/Digital.V1i1.933. [13] S. Ratna, “Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm,” Technol. J. Ilm., Vol. 11, No. 3, P. 181, 2020, Doi: 10.31602/Tji.V11i3.3294. [14] M. Effendi, F. Fitriyah, And U. Effendi, “Identifikasi Jenis Dan Mutu Teh Menggunakan Pengolahan Citra Digital Dengan Metode Jaringan Syaraf Tiruan,” J. Teknotan, Vol. 11, No. 2, P. 67, 2017, Doi: 10.24198/Jt.Vol11n2.7. [15] S. Sujito And M. Yunus, “Perbandingan Strategi Pelabelan Objek Pada Citra Digital Dengan Metode Flood Filling,” J. Teknol. Inf. Teor. Konsep, Dan
Implementasi, Vol. 7, No. 2, Pp. 139–148, 2016, [Online]. Available: Https://Media.Neliti.Com/Media/Publications/142879-Id-None.Pdf. [16] Eril Mozef, “Algoritma Labeling Citra Biner Dengan Performansi Optimal Processor-Time,” J. Inform., Vol. 5, No. 2, Pp. 67–77, 2004, [Online]. Available: Http://Puslit2.Petra.Ac.Id/Ejournal/Index.Php/Inf/Article/View/15841. [17] E. Mozef, “Algoritma Labeling Citra Biner Dengan Performansi Optimal Processor-Time,” J. Inform., Vol. 5, No. 2, Pp. 67–77, 2004, [Online]. Available:
3
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Http://Puslit2.Petra.Ac.Id/Ejournal/Index.Php/Inf/Article/View/15841. [18] H. Abdurrohman, R. Dini, And A. P. Muharram, “Evaluasi Performa Metode Deep Learning Untuk Klasifikasi Citra Lesi Kulit The Ham10000,” Pp. 63– 68, 2019, Doi: 10.5614/Sniko.2018.10. [19] C. R. Rahman Et Al., “Identification And Recognition Of Rice Diseases And Pests Using Convolutional Neural Networks,” Biosyst. Eng., Vol. 194, Pp. 112–120, 2020, Doi: 10.1016/J.Biosystemseng.2020.03.020. [20] Ridho Aji Pangestu, Basuki Rahmat, And Fetty Tri Anggraeny, “Implementasi Algoritma Cnn Untuk Klasifikasi Citra Lahan Dan Perhitungan Luas,” J. Inform. Dan Sist. Inf. , Vol. 1, No. 1, Pp. 166–174, 2020. [21] S. Universitas Diponegoro, R. Wiryasaputra, And R. Gustriansyah, “Jurnal Sistem Informasi Bisnis.,” Jsinbis (Jurnal Sist. Inf. Bisnis), Vol. 8, No. 1, Pp. 57–67, 2018, [Online]. Available: Https://Ejournal.Undip.Ac.Id/Index.Php/Jsinbis/Article/View/16239/Pdf. [22] E. Susilowati, U. Gunadarma, K. Baru, And K. Clustering, “Konversi Citra Rgb Ke Citra Hsv Dan Hcl Pada Citra Jeruk Medan,” Vol. 2, 2018. [23] W. Musu, A. Ibrahim, And Heriadi, “Pengaruh Komposisi Data Training Dan Testing Terhadap Akurasi Algoritma C4.5,” Pros. Semin. Ilm. Sist. Inf.
Dan Teknol. Inf., Vol. X, No. 1, Pp. 186–195, 2021. [24] M. Arsal, B. Agus Wardijono, And D. Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode Cnn,”
J. Nas. Teknol. Dan Sist. Inf., Vol. 6, No. 1, Pp. 55–63, 2020, Doi: 10.25077/Teknosi.V6i1.2020.55-63. [25] I. Wulandari, H. Yasin, And T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (Cnn),” J.
Gaussian, Vol. 9, No. 3, Pp. 273–282, 2020, Doi: 10.14710/J.Gauss.V9i3.27416. [26] P. N. Zakiya, L. Novamizanti, S. Rizal, And U. Telkom, “Klasifikasi
4
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Patologi Makula Retina Melalui Citra Oct Menggunakan Convolutional Neural Network Dengan ( Classification Of Pathology Of Macula Retina Through Oct Image Using,” Vol. 8, No. 5, Pp. 5072–5082, 2021. [27] M. R. Alwanda, R. P. K. Ramadhan, And D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur Lenet-5 Untuk Pengenalan Doodle,” J. Algoritm., Vol. 1, No. 1, Pp. 45–56, 2020, Doi: 10.35957/Algoritme.V1i1.434. [28] W. H.-P. Sentik And Undefined 2021, “Convolution Neural Network Arsitektur Mobilenet-V2 Untuk Mendeteksi Tumor Otak,” Ejournal.JakStik.Ac.Id, Vol. 5, No. 1, 2021, [Online]. Available: Https://Ejournal.JakStik.Ac.Id/Index.Php/Sentik/Article/View/2826. [29] A. O. Adedoja, P. A. Owolawi, T. Mapayi, And C. Tu, “Intelligent Mobile Plant Disease Diagnostic System Using Nasnet-Mobile Deep Learning,”
Iaeng Int. J. Comput. Sci. , Vol. 49, No. 1, Pp. 216–231, 2022. [30] H. Judul, “Plat Nomor Kendaraan Dengan Metode Convolutional Neural Network,” No. September 2021, Pp. 1 –12, 2019. [31] B. Zoph, V. Vasudevan, J. Shlens, And Q. V Le, “Zoph_Learning_Transferable_Architectures_Cvpr_2018_Paper.Pdf,”
Proc. Ieee Conf. Comput. Vis. Pattern Recognit. , Pp. 8697–8710, 2018, [Online]. Available: Http://Openaccess.Thecvf.Com/Content_Cvpr_2018/Papers/Zoph_Learnin g_Transferable_Architectures_Cvpr_2018_Paper.Pdf. [32] S. K. Addagarla, “Real Time Multi-Scale Facial Mask Detection And Classification Using Deep Transfer Learning Techniques,” Int. J. Adv.
Trends Comput. Sci. Eng., Vol. 9, No. 4, Pp. 4402–4408, 2020, Doi: 10.30534/Ijatcse/2020/33942020. [33] N. Hadianto, H. B. Novitasari, And A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network,” J. Pilar Nusa
Mandiri, Vol. 15, No. 2, Pp. 163–170, 2019, Doi: 10.33480/Pilar.V15i2.658.
5
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [34] D. Normawati And S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,”
J. Sains Komput. Inform. (J-Sakti, Vol. 5, No. 2, Pp. 697–711, 2021. [35] B. P. Pratiwi, A. S. Handayani, And S. Sarjana, “Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi Wsn Menggunakan Confusion Matrix,”
J. Inform. Upgris, Vol. 6, No. 2, Pp. 66–75, 2021, Doi: 10.26877/Jiu.V6i2.6552. [36] G. Maroni, M. Ermidoro, F. Previdi, And G. Bigini, “Automated Detection, Extraction And Counting Of Acne Lesions For Automatic Evaluation And Tracking Of Acne Severity,” 2017 Ieee Symp. Ser. Comput. Intell. Ssci 2017
- Proc., Vol. 2018-Janua, Pp. 1–6, 2018, Doi: 10.1109/Ssci.2017.8280925. [37] G. S. Budhi, R. Adipranata, And A. Gunawan, “Acne Segmentation And Classification Using Region Growing And Self-Organizing Map,” Proc. -
2017 Int. Conf. Soft Comput. Intell. Syst. Inf. Technol. Build. Intell. Through
Iot Big Data, Icsiit 2017, Vol. 2018-Janua, Pp. 78–83, 2017, Doi: 10.1109/Icsiit.2017.62. [38] A. Quattrini, C. Boër, T. Leidi, And R. Paydar, “A Deep Learning-Based Facial Acne Classification System,” Clin. Cosmet. Investig. Dermatol., Vol. Volume 15, No. May, Pp. 851 –857, 2022, Doi: 10.2147/Ccid.S360450. [39] K. Rashataprucksa, C. Chuangchaichatchavarn, S. Triukose, S. Nitinawarat, M. Pongprutthipan, And K. Piromsopa, “Acne Detection With Deep Neural Networks,” Acm Int. Conf. Proceeding Ser., Pp. 53–56, 2020, Doi: 10.1145/3421558.3421566. [40] R. L. Hasanah, “Identifikasi Jenis Acne Vulgaris Pada Citra Jerawat Wajah Dengan Ekstraksi Fitur Glcm Dan Algoritma Extreme Learning Machine Tesis,” Univ. Nusa Mandiri, Pp. I–93, 2020, [Online]. Available: Https://Repository.Nusamandiri.Ac.Id/Index.Php/Repo/Viewitem/16333. [41] S. E. Zaluchu, “Strategi Penelitian Kualitatif Dan Kuantitatif Di Dalam Penelitian Agama,” Evang. J. Teol. Injili Dan Pembin. Warga Jemaat, Vol. 4, No. 1, P. 28, 2020, Doi: 1 0.46445/Ejti.V4i1.167.
6
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [42] K. A. Nugraha, “Pembentukan Dataset Token Sentimen Berdasarkan Akun Instagram Brand Elektronik Menggunakan K-Nearest Neighbors,” J. Buana
Inform., Vol. 12, No. 1, P. 68, 2021, Doi: 10.24002/Jbi.V12i1.4472. [43] T. Zseby, D. Ferreira, And A. Zimek, “Mdcgen?: Multidimensional Dataset Generator F Elix,” Pp. 599–618, 2019. [44] Dermnet, “‘Acne Affecting The Face Image,’” Dermnet New Zealand Trust. . [45] T. Winanda, Y. Yuhandri, And H. Hendrick, “Klasifikasi Kualitas Mutu Daun Gambir Ladang Rakyat Menggunakan Metode Convolutional Neural Network,” J. Sistim Inf. Dan Teknol. , Vol. 3, Pp. 102–107, 2021, Doi: 10.37034/Jsisfotek.V3i3.51. [46] M. S. Lui, E. K. Wijaya, And M. Hidayat, “Segmentasi Citra Hewan Dengan Convolutional Neural Network Arsitektur U-Net Animal Image Segmentation With Convolutional Neural Network U-Net Architecture,” Vol. X, No. 30, Pp. 1 –5, 2018.