Perbandingan arsitektur Efficientnet dan Resnet untuk kasus jenis jerawat pada wajah

Nurhanifah, Euis (2025) Perbandingan arsitektur Efficientnet dan Resnet untuk kasus jenis jerawat pada wajah. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (139kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (151kB) | Preview
Preview	Text (PERNYATAAN KARYA SENDIRI) 3_pernyataankaryasendiri.pdf Download (354kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (170kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (291kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (788kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (509kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (177kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (241kB) | Request a copy

Abstract

Jerawat merupakan salah satu permasalahan kulit yang paling sering dialami oleh remaja, dengan tingkat keparahan yang biasanya mencapai puncaknya pada usia dewasa muda. Kondisi ini tidak hanya menimbulkan dampak fisik, tetapi juga dapat berpengaruh pada aspek psikologis, seperti menurunnya rasa percaya diri, munculnya stres, depresi, hingga gangguan kecemasan. Oleh karena itu, jerawat memerlukan penanganan yang tepat untuk mencegah terjadinya komplikasi lebih lanjut. Identifikasi jenis jerawat secara manual membutuhkan keahlian khusus dan rentan terhadap kesalahan diagnosis. Penelitian ini dilakukan untuk membandingkan arsitektur EfficientNet-B7 dan ResNet-50 dalam kasus jenis jerawat pada wajah. Dataset yang digunakan terdiri dari 1.508 citra jerawat yang terbagi ke dalam data latih, validasi, dan uji. Proses pelatihan dilakukan dengan variasi jumlah epoch pada masing-masing arsitektur, kemudian hasilnya dievaluasi menggunakan metrik precision, recall, f1-score, dan accuracy. Hasil pengujian menunjukkan bahwa arsitektur EfficientNetB7 memperoleh akurasi tertinggi sebesar 93%, dengan nilai precision, recall, dan f1-score yang relatif stabil pada setiap kelas, sehingga memiliki kemampuan generalisasi yang baik. Sementara itu, ResNet50 memperoleh akurasi maksimal sebesar 91%, namun performanya kurang konsisten, terutama pada kelas whitehead yang memiliki nilai recall lebih rendah. Perbandingan kedua arsitektur membuktikan bahwa EfficientNetB7 lebih unggul dibandingkan ResNet50 dalam hal stabilitas, akurasi, serta kemampuan generalisasi model. Arsitektur EfficientNetB7 lebih sesuai untuk digunakan dalam kasus jenis jerawat pada wajah.

Actions (login required)

View Item