View/Open

Author
Mujadid Choirus, Surya

Date Published
04 May 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Ira Safitri, S.Si., M.Si., M.Sc.,

Subject
Sains Data

Publisher

Penyakit jerawat (Acne vulgaris) merupakan gangguan kulit dengan prevalensi tinggi secara global yang dapat menimbulkan dampak klinis dan psikologis. Kebutuhan deteksi dan klasifikasi keparahan jerawat mendorong pemanfaatan analisis citra berbasis deep learning sebagai solusi pendukung dalam dermatologi. Penelitian ini bertujuan untuk menganalisis kinerja model Convolutional Neural Networks (CNN) berbasis MobileNetV2 dengan pendekatan transfer learning dan fine-tuning dalam mengklasifikasikan tingkat keparahan jerawat, serta mengkaji pengaruh pemilihan hyperparameter terhadap performa akhir model. Proses fine-tuning pada model pra-terlatih dilakukan melalui dua tahap pelatihan. Tahap pertama melatih lapisan klasifikasi dengan membekukan lapisan inti model serta menguji variasi batch size dan learning rate. Tahap kedua melakukan fine-tuning dengan membuka beberapa lapisan atas model untuk menyesuaikan fitur dengan karakteristik dataset baru menggunakan learning rate yang lebih rendah melalui lima skenario unfreeze layer. Hasil penelitian menunjukkan bahwa pengaturan learning rate terbukti menjadi faktor paling berpengaruh terhadap performa model, karena pemilihan nilai yang tepat mampu meningkatkan stabilitas proses pelatihan dan konvergensi. Penerapan fine-tuning pada blok ke-12 dan ke-13 MobileNetV2 menghasilkan peningkatan akurasi validasi hingga sekitar 10% serta penurunan loss sebesar 25% dibandingkan baseline transfer learning, sehingga model lebih mampu beradaptasi dengan karakteristik citra jerawat.

URI
https://repo.itera.ac.id/depan/submission/SB2605030003

Keyword
Jerawat Klasifikasi Citra MobileNetV2 Transfer Learning