IMPLEMENTASI EFFICIENTNET UNTUK DETEKSI PENYAKIT ATOPIC DERMATITIS DENGAN INTERPRETASI GRADIENT-WEIGHTED CLASS ACTIVATION MAP

Proposal
NIM: 1217050138
Year: 2025

Description

Atopic Dermatitis (AD) merupakan penyakit kulit kronis yang ditandai dengan inflamasi, rasa gatal, dan lesi berulang, yang dapat memengaruhi kualitas hidup penderitanya. Deteksi dini menjadi penting untuk mencegah komplikasi yang lebih serius. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit Atopic Dermatitis berbasis citra kulit menggunakan arsitektur Convolutional Neural Network EfficientNet-B0. Dataset yang digunakan berasal dari sumber terbuka yaitu ISIC dan Kaggle, dengan tahapan preprocessing berupa resize, normalisasi, dan augmentasi gambar. Untuk mendukung transparansi hasil prediksi, digunakan metode Gradient-weighted Class Activation Map (Grad-CAM) sebagai alat interpretasi visual guna menunjukkan area citra yang menjadi fokus klasifikasi model. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil dari penelitian ini diharapkan dapat mendukung tenaga medis dalam melakukan deteksi Atopic Dermatitis secara akurat dan dapat dipahami secara visual melalui pendekatan kecerdasan buatan.