Search for collections on Repository Universitas Jenderal Soedirman

+ Advanced search

Klasifikasi Cacar Monyet Menggunakan Convolutional Neural Networks (CNN) Arsitektur Pruned Residual Network-50 (ResNet-50) Pada Framework Flutter

PRIATNA, Irfan (2025) Klasifikasi Cacar Monyet Menggunakan Convolutional Neural Networks (CNN) Arsitektur Pruned Residual Network-50 (ResNet-50) Pada Framework Flutter. Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Download (317kB)
[img] PDF (Legalitas)
LEGALITAS-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Restricted to Repository staff only
Download (1MB)
[img] PDF (Abstrak)
ABSTRAK-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Download (426kB)
[img] PDF (BabI)
BAB-I-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Restricted to Repository staff only until 5 August 2026.
Download (430kB)
[img] PDF (BabII)
BAB-II-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Restricted to Repository staff only until 5 August 2026.
Download (945kB)
[img] PDF (BabIII)
BAB-III-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Restricted to Repository staff only until 5 August 2026.
Download (554kB)
[img] PDF (BabIV)
BAB-IV-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Restricted to Repository staff only
Download (2MB)
[img] PDF (BabV)
BAB-V-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Download (412kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Irfan Priatna-H1D021043-Skripsi-2025.pdf
Download (385kB)

Abstract

Wabah cacar monyet yang sebelumnya hanya ditemui di Afrika telah menyebar ke benua lainnya termasuk Asia. Timbul kegelisahan dari masyarakat karena penyebaran ini terjadi setelah pandemi COVID-19 dinyatakan berakhir. Cacar monyet memiliki kesamaan gejala dengan penyakit kulit lain seperti cacar sapi, cacar air, dan campak. Berbagai penelitian mengenai model klasifikasi yang menerapkan Deep Learning (DL) kemudian dikembangkan untuk membantu tahap deteksi dini wabah tersebut. Penelitian tersebut menghasilkan set data seperti WSI, MSID, MCSI, dan MSLD v2 yang digunakan juga pada penelitian ini. Model pruned ResNet-50 dipilih sebagai model utama penelitian karena reputasinya yang cukup baik meskipun hanya dengan 50 layer. Model tersebut berbasis ResNet-50 dengan modifikasi pruning metode Global MP dan quantization metode QAT. Modifikasi tersebut membuka peluang menerapkan model DL besar pada perangkat ringkas seperti mobile android. Nilai akurasi, precision, recall, dan f1-score masing-masing adalah 94.44%, 94.12%, 94.71%, dan 94.16%. Sementara itu, pruning dan QAT mengurangi ukuran penyimpanan model menjadi 20.993 MB. Model kemudian diimplementasikan pada perangkat android menggunakan framework Flutter dan telah melewati tahap pengujian blackbox dengan baik.

Item Type: Thesis (Skripsi)
Nomor Inventaris: H25202
Uncontrolled Keywords: Cacar Monyet, Convolutional Neural Networks, Deep Learning, Flutter, Pruning, Quantization, ResNet-50
Subjects: A > A502 Artificial intelligence
S > S373 Skin Diseases
Divisions: Fakultas Teknik > S1 Teknik Informatika
Depositing User: Mr. Irfan Priatna
Date Deposited: 05 Aug 2025 07:29
Last Modified: 05 Aug 2025 07:29
URI: http://repository.unsoed.ac.id/id/eprint/35481

Actions (login required)

View Item View Item