Klasifikasi Penyakit dan Kelainan Bentuk Kuku Manusia Menggunakan Convolutional Neural Network

Rafika Aulia Madani; Nunik Pratiwi;

Klasifikasi Penyakit dan Kelainan Bentuk Kuku Manusia Menggunakan

Convolutional Neural Network
Rafika Aulia Madani

Kuku merupakan salah satu bagian tubuh yang memiliki peran penting, karena kuku dapat
memberikan sinyal terdahap suatu penyakit mulai dari warna, bentuk, dan ukuran kuku. Penelitian
ini bertujuan untuk mengidentifikasi penyakit dan kelainan bentuk kuku manusia menggunakan citra
digital. Penelitian ini menggunakan tujuh kelas penyakit yaitu beausline, clubbing, koilonychia,
yellow nail, white nail, onychomicosis, dan normal nail. Untuk mengidentifikasi penyakit dan
kelainan bentuk kuku manusia metode yang digunakan yaitu Convolutional Neural Network dengan
arsitektur VGG-16. Hasil yang didapatkan dari penelitian ini yaitu akurasi sebesar 92.9% dari total
dataset yang telah di augmentasi sebanyak 3900 data, untuk hasil rata-rata pengukuran precission
sebesar 86.1%, hasil rata-rata recall sebesar 85.8%, hasil rata-rata f-1 score sebesar 85.8%.
Kata kunci: Kuku, Convolutional Neural Network, VGG-16, Klasifikasi.

Classification Disease and Syndrome Human Nail Using Convolutional

Neural Network
Rafika Aulia Madani

Nails are one of the body parts that have an important role, because nails can provide signals of a
disease starting from the color, shape, and size of the nails. This study aims to identify diseases and
abnormalities of human nail shape using digital images. This study uses seven classes of diseases,
namely beausline, clubbing, koilonychia, yellow nail, white nail, onychomycosis, and normal nail.
To identify diseases and abnormalities of human nail shape, the method used is Convolutional
Neural Network with VGG-16 architecture. The results obtained from this study are an accuracy of
92.9% from a total dataset that has been augmented as much as 3900 data, for an average precision
measurement result of 86.1%, an average recall result of 85.8%, an average f-1 score result of
85.8%.
Keywords: Nail, Convolutional Neural Network, VGG-16, Classification.