• Login
    View Item 
    •   DSpace Home
    • FACULTY OF SCIENCE AND COMPUTER
    • COMPUTER SCIENCE (ILMU KOMPUTER)
    • STUDENTS INTERNSHIP REPORT (CS)
    • View Item
    •   DSpace Home
    • FACULTY OF SCIENCE AND COMPUTER
    • COMPUTER SCIENCE (ILMU KOMPUTER)
    • STUDENTS INTERNSHIP REPORT (CS)
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    PENDEKATAN TRANSFER LEARNING MENGGUNAKAN ARSITEKTUR RESNET-50 UNTUK DETEKSI PENYAKIT KULIT BERBASIS GAMBAR

    Thumbnail
    View/Open
    Laporan Akhir_Studi Independen_Kristian Suriyadharma_105221024_Bangkit Academy 2024.pdf (2.624Mb)
    Date
    2025-02-14
    Author
    Suriyadharma, Kristian
    Metadata
    Show full item record
    Abstract
    Bangkit Academy adalah program kesiapan karir yang dirancang untuk mahasiswa Indonesia dalam mempelajari keterampilan di bidang IT. Tidak hanya keterampilan teknis, mahasiswa juga dilatih mengembangkan soft skill dalam diri mereka. Program ini diselenggarakan oleh Google, GoTo, dan Traveloka dengan dukungan dari Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi. Program ini mencakup pembelajaran individu melalui modul Coursera dan Dicoding Academy, serta pengerjaan proyek capstone secara berkelompok. Sebagai bagian dari output program ini, penulis beserta tim mengembangkan solusi aplikasi berbasis AI untuk membantu menangani masalah penyakit kulit di Indonesia, yang mencapai 4,60% hingga 12,95% dan merupakan penyakit ketiga paling umum di negara ini. Keterbatasan akses terhadap dokter spesialis kulit, terutama di daerah terpencil, sering kali menyebabkan keterlambatan diagnosis dan pengobatan, memperburuk kondisi pasien. Selain itu, kekhawatiran terhadap privasi dan pelanggaran SOP medis menjadi tantangan dalam pemberian perawatan yang efektif. Solusi yang penulis beserta tim usulkan adalah aplikasi berbasis AI yang mampu mendeteksi penyakit kulit secara dini dengan menganalisis foto yang diunggah pengguna. Aplikasi ini memberikan diagnosis awal dan rekomendasi pengobatan, memungkinkan pasien mendapatkan perawatan lebih cepat dan menjaga privasi mereka. Dengan menggunakan dataset yang terdiri dari lebih dari 30.000 gambar penyakit kulit yang mencakup 10 jenis klasifikasi penyakit, penulis menerapkan teknik deep learning dengan pendekatan model pre-trained ResNet-50. Model ini dipilih karena performanya yang unggul dibandingkan arsitektur lainnya, dengan akurasi mencapai 86% dalam mendeteksi penyakit kulit. Aplikasi ini masih memerlukan pengembangan lebih lanjut dan penyempurnaan fitur tambahan untuk mendukung masyarakat dalam melakukan diagnosis awal penyakit kulit. Diharapkan, aplikasi ini dapat berkontribusi dalam menurunkan prevalensi penyakit kulit di Indonesia serta menyediakan akses layanan kesehatan yang lebih merata bagi seluruh lapisan masyarakat.
    URI
    https://library.universitaspertamina.ac.id//xmlui/handle/123456789/14444
    Collections
    • STUDENTS INTERNSHIP REPORT (CS)

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV