Publisher

NINETYJOURNALNINETYJOURNAL

Journal Jurnal Kecerdasan Buatan dan Teknologi InformasiJurnal Kecerdasan Buatan dan Teknologi Informasi Abstract

Penyakit kulit merupakan salah satu masalah kesehatan yang sering terjadi dan membutuhkan diagnosis yang cepat dan akurat untuk menghindari komplikasi atau mempercepat penanganan. Namun, proses diagnosis manual seringkali memakan waktu dan bergantung pada keahlian dokter. Keterlambatan dalam diagnosis dapat menyebabkan perburukan kondisi pasien, memperpanjang waktu pemulihan, dan memperpanjang durasi perawatan atau menyebabkan komplikasi yang lebih serius. Untuk mengatasi permasalahan ini, teknologi pembelajaran mesin dapat dimanfaatkan untuk mengotomatisasi proses klasifikasi penyakit kulit. Penelitian ini membahas perbandingan tiga metode klasifikasi utama Support Vector Machine (SVM), Random Forest, dan Convolutional Neural Network (CNN), untuk menganalisis Dataset citra kulit normal dan penyakit kulit. Dataset terdiri dari berbagai jenis kulit yang telah melalui preprocessing data, seperti normalisasi, augmentasi data, dan ekstraksi fitur, guna meningkatkan kualitas data sebelum pelatihan model. Dataset yang digunakan dalam penelitian ini di menggunakan data science yang bersumber dari kaggle. Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 92%, berkat kemampuannya menangkap pola non-linear dalam citra. Random Forest menunjukkan performa yang stabil dengan akurasi 85%, terutama pada Dataset yang lebih terstruktur. Sementara itu, SVM mencatat akurasi 78%, tetapi memiliki keterbatasan pada data berdimensi tinggi. Kesimpulannya, CNN lebih unggul untuk klasifikasi citra kulit kompleks, sementara Random Forest dan SVM dapat menjadi alternatif untuk Dataset sederhana. Penelitian ini memberikan kontribusi dalam pengembangan teknologi AI untuk mendukung diagnosis penyakit kulit yang lebih cepat dan akurat.

Conclusion

Penelitian ini membandingkan tiga metode klasifikasi utama, yaitu Support Vector Machine (SVM), Random Forest, dan Convolutional Neural Network (CNN), dalam menganalisis dataset citra kulit normal dan penyakit kulit.Hasil menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi 92%, diikuti oleh Random Forest dengan akurasi 85% dan SVM dengan akurasi 78%.CNN unggul dalam menangkap pola non-linear pada citra kompleks.Kesimpulannya, CNN lebih cocok untuk klasifikasi citra kulit yang kompleks, sementara Random Forest dan SVM dapat menjadi alternatif untuk dataset yang lebih sederhana.

Future Research

Penelitian selanjutnya dapat mengeksplorasi penggunaan transfer learning dengan model CNN pra‑latih seperti EfficientNet atau ResNet pada kumpulan data kulit yang lebih besar dan beragam, guna meningkatkan kemampuan generalisasi model. Selain itu, pendekatan hibrida yang menggabungkan ekstraksi fitur mendalam dari CNN dengan classifier ensemble seperti Random Forest dapat diteliti untuk memanfaatkan kekuatan representasi fitur deep learning dan stabilitas ensemble dalam menghadapi variasi data. Selanjutnya, integrasi data multimodal, misalnya menggabungkan citra kulit dengan metadata klinis (usia pasien, lokasi lesi, riwayat medis) dapat dievaluasi untuk menilai apakah kombinasi informasi tersebut meningkatkan akurasi dan keandalan sistem klasifikasi penyakit kulit.

References

1. Perbandingan Metode Random Forest, Convolutional Neural Network, dan Support Vector Machine Untuk Klasifikasi... journal.isas.or.id/index.php/JACOST/article/view/742Perbandingan Metode Random Forest Convolutional Neural Network dan Support Vector Machine Untuk Klasifikasi journal isas index php JACOST article view 742
2. Perbandingan Kinerja Klasifikasi Penyakit Ginjal Menggunakan Algoritma Support Vector Machine (SVM) dan... doi.org/10.47065/bits.v6i1.5206Perbandingan Kinerja Klasifikasi Penyakit Ginjal Menggunakan Algoritma Support Vector Machine SVM dan doi 10 47065 bits v6i1 5206
3. Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah | Techno.Com.... publikasi.dinus.ac.id/index.php/technoc/article/view/3646Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah Techno Com publikasi dinus ac index php technoc article view 3646
4. STUDI PERBANDINGAN METODE SUPPORT VECTOR MACHINE, RANDOM FOREST, DAN CONVOLUTIONAL NEURAL NETWORK UNTUK... doi.org/10.69916/jkbti.v4i1.214STUDI PERBANDINGAN METODE SUPPORT VECTOR MACHINE RANDOM FOREST DAN CONVOLUTIONAL NEURAL NETWORK UNTUK doi 10 69916 jkbti v4i1 214
5. Akurasi dalam Mendeteksi Penyakit Kulit Menular menggunakan Gabungan Metode Forward Chaining dengan Certainty... doi.org/10.37034/jidt.v2i2.58Akurasi dalam Mendeteksi Penyakit Kulit Menular menggunakan Gabungan Metode Forward Chaining dengan Certainty doi 10 37034 jidt v2i2 58

Subjects

1. #convolutional neural network#convolutional neural network
2. #modul pembelajaran#modul pembelajaran

Metadata

File size	347.55 KB
Pages	7
Short Link	https://juris.id/p-jc
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report