APLIKASI DETEKSI PENYAKIT KULIT MENGGUNAKAN ARSITEKTUR RESNET50 DENGAN MEMANFAATKAN TEKNOLOGI CHATBOT BERBASIS WEBSITE

Magfiroh, Naovi (2024) APLIKASI DETEKSI PENYAKIT KULIT MENGGUNAKAN ARSITEKTUR RESNET50 DENGAN MEMANFAATKAN TEKNOLOGI CHATBOT BERBASIS WEBSITE. Diploma thesis, Politeknik Harapan Bersama.

[img] Text (Cover)
Cover.pdf
Download (563kB)
[img] Text (BAB I)
BAB I.pdf
Download (347kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB III)
BAB III.pdf
Download (131kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Download (137kB)
[img] Text (Lampiran)
Lampiran.pdf
Download (3MB)

Abstract

Aplikasi deteksi penyakit kulit berbasis web ini dirancang untuk membantu pengguna mengenali dan mengidentifikasi 10 jenis penyakit kulit: jerawat, kurap, psoriasis, biduran, herpes, keratosis seboroik, kutil, kanker kulit, biang keringat, dan bisul. Aplikasi ini menggunakan arsitektur ResNet50 dengan pendekatan transfer learning, mencapai akurasi 90.10% pada data training dan 89.06% pada data validasi. Perbedaan akurasi ini disebabkan oleh pembagian data yang digunakan dalam penelitian, di mana data dibagi menjadi tiga bagian: 70% untuk training, 15% untuk validasi, dan 15% untuk testing. Aplikasi ini menyediakan dua metode deteksi: realtime capture dan upload image. Selain itu, aplikasi ini dilengkapi dengan chatbot yang memberikan informasi tambahan dan rekomendasi pengobatan berdasarkan hasil deteksi. Chatbot ini memiliki tingkat akurasi respon sebesar 87.50%, yang diukur melalui pengujian berbasis skenario dengan serangkaian pertanyaan yang telah ditentukan sebelumnya. Pengujian ini memastikan interaksi yang informatif dan responsif bagi pengguna, sehingga pengguna dapat menerima informasi yang akurat dan relevan terkait penyakit kulit. Pengujian fungsionalitas melalui metode black box menunjukkan bahwa semua fitur utama aplikasi berfungsi dengan baik tanpa ada kesalahan atau bug signifikan. Hasil pengujian menggunakan System Usability Scale (SUS) menunjukkan rata-rata skor SUS sebesar 77.625, yang berada pada kategori "Good".

Item Type: Thesis (Diploma)
Subjects: T Technology > TT Handicrafts Arts and crafts
Divisions: Teknik > Diploma IV Teknik Informatika
Depositing User: Naovi Magfiroh
Date Deposited: 21 Aug 2024 06:48
Last Modified: 21 Aug 2024 06:48
URI: http://eprints.poltektegal.ac.id/id/eprint/3871

Actions (login required)

View Item View Item