View/Open

Author
ARKAN, HARIZ CHANDRAWINATA LIEM

Date Published
22 Apr 2026

Advisor
Hartanto Tantriawan, S.Kom., M.Kom,

Subject
Teknik Informatika

Publisher

Klasifikasi penyakit kulit merupakan salah satu penerapan kecerdasan buatan dalam bidang medis, khususnya untuk proses diagnosis otomatis melalui analisis citra medis. Dataset yang digunakan dalam penelitian ini yaitu DermaMNIST dengan 7 kelas. Dataset ini memiliki suatu masalah yaitu ketidak seimbangan distribusi data antar kelas. Kondisi ini menyebabkan model cenderung akurat dalam memrediksi terhadap kelas mayoritas. Penelitian ini bertujuan menganalisis pengaruh penerapan augmentasi data pada kelas minoritas. Model CNN based yang digunakan adalah ResNet-18 dan ResNet-50, yang di-train dengan dua ukuran citra yaitu 28x28 dan 224x224. Penelitian meliputi tahap preprocessing data, penerapan augmentasi citra pada kelas minoritas, training model, dan evaluasi. Performa model dihitung menggunakan metrik accuracy, precision, recall, f1-score, AUC, dan MCC. Hasil penelitian menunjukkan bahwa model ResNet-18 yang di-train dengan citra ukuran 224x224 memperoleh accuracy 80%, precision macro 71%, recall macro 76%, f1-score macro 73%, AUC 95%, dan MCC 64%. Berdasarkan hasil penelitian, penerapan augmentasi data pada kelas minoritas dapat mengurangi dampak ketidak seimbangan data serta meningkatkan kemampuan model dalam melakukan klasifikasi citra penyakit kulit.

URI
https://repo.itera.ac.id/depan/submission/SB2604240005

Keyword
Klasifikasi Penyakit Kulit Augmentasi Data ResNet-18 ResNet-50 DermaMNIST