Deteksi Penyakit Kulit Skabies Menggunakan ConvNeXt

Mochammad Zaky Zamroni

Abstrak

Skabies adalah penyakit kulit menular yang disebabkan oleh tungau Sarcoptes scabiei var. hominis dan masih menjadi masalah kesehatan di berbagai wilayah. Diagnosis skabies secara klinis sering kali mengalami kendala karena gejalanya menyerupai penyakit kulit lainnya. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem deteksi otomatis berbasis citra menggunakan arsitektur deep learning ConvNeXt. Dataset yang digunakan terdiri dari citra penyakit kulit skabies dan non-skabies yang diperoleh secara primer, kemudian dilakukan proses preprocessing dan augmentasi data. Model ConvNeXt dilatih menggunakan teknik transfer learning dan diuji pada beberapa skema data splitting seperti rasio 70:15:15, 80:10:10, dan K-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa model ConvNeXt (unfreeze stage 3) mencapai performa terbaik dengan rata-rata akurasi 97,75%, precision 0,98, recall 0,98, dan F1-score 0,98 pada rasio 70:15:15. Performa model ini juga unggul dibandingkan ResNet50 yang memperoleh akurasi 97,69% pada skema yang sama. Namun, dari sisi efisiensi komputasi, ResNet-50 menunjukkan performa lebih ringan dengan waktu pelatihan 41,6 detik, waktu inferensi 0,60 milidetik per gambar, dan penggunaan memori GPU 489 MB. Sebagai perbandingan, ConvNeXt (unfreeze) memerlukan waktu pelatihan 63,0 detik, waktu inferensi 1,04 milidetik, dan GPU 367 MB. Model ConvNeXt (unfreeze stage 3) yang telah dilatih kemudian diintegrasikan ke dalam aplikasi mobile dengan fitur unggah gambar, cropping, deteksi, serta riwayat klasifikasi. Sistem ini diharapkan menjadi solusi deteksi awal skabies yang cepat, akurat, dan praktis secara digital.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7