<![CDATA[SISTEM INFORMASI KLASIFIKASI DINI LESI KULIT WAJAH MENGGUNKAN TRANSFER LEARNING DENGAN ARSITEKTUR MOBILENETV2]]>
Dyah Putriana Savitri
Pengarang
Muslim Hidayat, M.Kom
Dosen Pembimbing 1
M. Fuat Asnawi, S.Kom., M.M.
Dosen Pembimbing 2
Muslim Hidayat, S.Kom., M. Kom.
Penguji 1
Muhamad Fuat Asnawi, S.Kom., M.M.
Penguji 2
Lesi kulit wajah seperti melanocytic nevi (nv), actinic keratosis (akiec), dermatofibroma (df), dan lesi vaskular (vasc) berpotensi berkembang menjadikondisi ganas jika tidak terdiagnosis secara dini. Kendala diagnosis meliputiketerbatasan pengetahuan masyarakat, kemiripan gejala antar penyakit kulit, sertaketimpangan distribusi tenaga medis di Indonesia. Penelitian ini mengembangkansistem deteksi dini lesi kulit wajah berbasis website menggunakan ConvolutionalNeural Network (CNN) dengan arsitektur MobileNetV2 yang juga menyediakan informasi edukatif mengenai lesi kulit. Metode evaluasi model menggunakan confusion matrix dengan metrik precision, recall, dan F1-score. Hasil pengujianmenunjukkan akurasi pelatihan sebesar 80% dan validasi 76%, dengan nilai loss0,5246 dan val_loss 0,6301. Model MobileNetV2 mencapai akurasi 76,2% dalammengidentifikasi lesi kulit, membuktikan potensinya sebagai alat deteksi dini yangpraktis. Sistem ini diharapkan dapat meningkatkan kesadaran masyarakat,mempermudah akses diagnosis mandiri, serta mendorong penanganan medis lebihawal, khususnya di daerah dengan keterbatasan fasilitas kesehatan.Kata
Kunci: Klasifikasi, lesi kulit wajah, MobileNet, kesehatan digital,kecerdasan buatan