KLASIFIKASI PENYAKIT KULIT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS APLIKASI MOBILE

Penyakit kulit merupakan salah satu masalah kesehatan yang sering dialami masyarakat dan membutuhkan deteksi cepat serta akurat untuk mencegah komplikasi. Namun, proses diagnosis masih menghadapi tantangan, terutama kemiripan visual antar penyakit kulit yang mencakup pola dan tekstur permukaan (misalnya tekstur bersisik pada psoriasis yang menyerupai dermatitis perioral, atau bintil merah pada rosacea yang mirip dengan papula dan acne nodules), serta variasi kondisi pencahayaan (terlalu terang, redup, atau adanya bayangan) yang dapat mengaburkan detail penting pada citra. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit kulit berbasis aplikasi mobile menggunakan algoritma Convolutional Neural Network (CNN) arsitektur ResNet50. Dataset yang digunakan berasal dari Kaggle Penyakit Kulit Indonesia dengan 1.432 citra berukuran 224×224 piksel, mencakup 20 kelas penyakit. Tahapan penelitian meliputi pengumpulan dataset, pre-processing (CLAHE, segmentasi, dan resize), pelatihan model CNN, serta integrasi model ke aplikasi mobile berbasis Flutter. Evaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan ResNet50 mampu mengklasifikasikan citra penyakit kulit dengan akurasi 88% pada kategori lesi kemerahan, 91% pada kategori lesi jerawat, dan 100% pada kategori pigmentasi. Penerapan CLAHE meningkatkan akurasi dari 77% menjadi 79%. Temuan ini menegaskan potensi CNN dalam mendukung pengembangan teknologi deteksi penyakit kulit berbasis AI yang praktis dan mudah diakses.