DETEKSI PENYAKIT KULIT CAMPAK DENGAN PENDEKATAN MACHINE LEARNING BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) / Deliya Syafa / 15210011 / Pembimbing: Ardin Hersandini / Program Studi: Teknik Informatika

Penyakit campak merupakan salah satu penyakit menular yang sering dialami terutama oleh anak-anak sehingga membutuhkan deteksi dini untuk mencegah komplikasi yang serius. Penelitian ini bertujuan untuk menerapkan pendekatan Machine Learning berbasis Convolutional Neural Network (CNN) dalam mendeteksi penyakit campak secara cepat dan akurat. Data yang digunakan terdiri dari 1.041 citra kulit (campak dan bukan campak) yang diperoleh dari dataset penelitian. Data tersebut diproses melalui tahapan pre-processing, augmentasi data, pembagian dataset (training, validasi, testing), pelatihan model menggunakan arsitektur ResNet34, hingga evaluasi performa dengan confusion matrix. Hasil penelitian menunjukkan bahwa sistem deteksi campak yang dikembangkan memiliki akurasi 95%, Precision 90%, Recall 100%, dan F1-Score 94.7%. Uji kelayakan menunjukkan bahwa sistem sangat layak dengan tingkat kelayakan 100% serta tingkat kepuasan pengguna sebesar 100% berdasarkan kuesioner PSSUQ. Penelitian ini membuktikan bahwa algoritma CNN dengan arsitektur ResNet34 yang diimplementasikan pada website mampu memberikan deteksi yang akurat, cepat, dan efektif dalam mendukung deteksi dini penyakit campak.