Muhammad, Saif Teuku (2025) Implementasi EfficientNet untuk deteksi penyakit Atopic Dermatitis dengan interpretasi Gradient-Weighted Class Activation Map. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text
1. cover_Teuku Muhammad Saif_1217050138-1.pdf Download (344kB) | Preview |
|
|
Text
2. Abstrak__Teuku Muhammad Saif_1217050138-5-6.pdf Download (452kB) | Preview |
|
|
Text
Surat Pernyataan Karya Sendiri_Teuku Muh (1).pdf Download (442kB) | Preview |
|
|
Text
3. Daftar Isi_Teuku Muhammad Saif_1217050138-12-15.pdf Download (549kB) | Preview |
|
|
Text
4. Bab i_Teuku Muhammad Saif_1217050138-18-24.pdf Download (572kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text
5. Bab ii_Teuku Muhammad Saif_1217050138-25-44.pdf Restricted to Registered users only Download (925kB) |
|
|
Text
6. Bab iii_Teuku Muhammad Saif_1217050138-45-58.pdf Restricted to Registered users only Download (567kB) |
|
|
Text
7. Bab iv_Teuku Muhammad Saif_1217050138-59-85.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
8. Bab v_Teuku Muhammad Saif_1217050138-86-88.pdf Restricted to Registered users only Download (370kB) |
|
|
Text
9. Daftar Pustaka_Teuku Muhammad Saif_1217050138-89-91.pdf Restricted to Registered users only Download (273kB) |
|
|
Text
10. Lampiran_Teuku Muhammad Saif_1217050138-92-114.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Atopic Dermatitis (AD) merupakan penyakit kulit kronis yang membutuhkan deteksi dini untuk mencegah perburukan gejala, namun proses diagnosis masih bergantung pada observasi manual. Penelitian ini bertujuan membangun model klasifikasi citra AD menggunakan arsitektur EfficientNetB0 yang dilengkapi interpretasi visual melalui Grad-CAM (Gradient-weighted Class Activation Mapping). Pengembangan model mengikuti tahapan CRISP-DM dan dilatih menggunakan dataset berisi dua kelas (AD dan Non-AD) yang telah melalui proses augmentasi dan normalisasi. Evaluasi dilakukan pada lima skenario proporsi data latih dan uji, dengan skenario 80:20 menunjukkan performa terbaik—akurat 94% dengan precision, recall, dan F1-score yang seimbang. Visualisasi Grad-CAM menunjukkan bahwa model memfokuskan prediksi pada area lesi kulit yang relevan secara klinis, dan hasilnya telah divalidasi oleh dokter spesialis kulit. Temuan ini menunjukkan bahwa model tidak hanya akurat, tetapi juga dapat diinterpretasikan secara visual, sehingga potensial digunakan sebagai sistem bantu deteksi awal berbasis citra.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Atopic Dermatitis; EfficientNetB0; Grad-CAM; Klasifikasi Citra; Deep Learning |
| Subjects: | Data Processing, Computer Science Data Processing, Computer Science > Computers Mathematical Principles Data Processing, Computer Science > Auxiliary Techniques Data Processing, Computer Science > Computer Science Education Data Processing, Computer Science > Computer and Human Data Processing, Computer Science > Systems Analysis and Computer Design Diseases Diseases > Diseases of Integument, Hair, Nails, Dermatology Diseases > Pustular and Vesicular Eruptions Diseases > Skin Hypertrophies and Scalp Diseases Diseases > Pigmentary Changes Diseases > Parasitic Skin Diseases |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Teuku Saif Muhammad Saif |
| Date Deposited: | 15 Sep 2025 01:02 |
| Last Modified: | 15 Sep 2025 01:02 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/119827 |
Actions (login required)
 |
View Item |
