PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN DISCRETE WAVELET TRANSFORM (DWT) UNTUK DETEKSI DAN KLASIFIKASI CITRA KULIT

ASSIDIQ, FAJRI (2026) PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN DISCRETE WAVELET TRANSFORM (DWT) UNTUK DETEKSI DAN KLASIFIKASI CITRA KULIT. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01_Cover.pdf Download (519kB) | Preview
	Text (BAB I) 02_Bab1.pdf Restricted to Registered users only Download (35kB)
	Text (BAB II) 03_Bab2.pdf Restricted to Registered users only Download (126kB)
	Text (BAB III) 04_Bab3.pdf Restricted to Registered users only Download (352kB)
	Text (BAB IV) 05_Bab4.pdf Restricted to Registered users only Download (577kB)
	Text (BAB V) 06_Bab5.pdf Restricted to Registered users only Download (30kB)
	Text (DAFTAR PUSTAKA) 07_DaftarPustaka.pdf Restricted to Registered users only Download (99kB)
	Text (LAMPIRAN) 08_Lampiran.pdf Restricted to Registered users only Download (364kB)

Abstract

Skin diseases, including skin cancer, are a health problem that requires early detection and accurate classification to increase the chances of successful treatment. The development of image processing technology and artificial intelligence opens new opportunities to assist the automated diagnosis process. This study aims to apply a combination of Convolutional Neural Network (CNN) and Discrete Wavelet Transform (DWT) in detecting and classifying skin images. DWT is used in the initial processing stage to extract important frequency and texture features from skin images, thereby reducing noise and improving the quality of relevant information. Next, CNN is used as the main model to perform deep learning and classification processes based on complex visual patterns in skin images. The proposed method includes image preprocessing, image decomposition using DWT, feature extraction, and training and testing of the CNN model. The skin image dataset is used as training and test data to evaluate model performance based on accuracy, precision, recall, and F1-score metrics. The expected results of this study are increased classification accuracy compared to conventional methods, while also demonstrating that the combination of DWT and CNN can provide more stable and efficient performance in identifying types of skin disorders. This research is expected to contribute to the field of medical image processing, particularly as a basis for developing a decision support system for medical personnel in diagnosing skin diseases more quickly and objectively. Keywords: Convolutional Neural Network, Discrete Wavelet Transform, Skin Image, Image Classification, Digital Image Processing. Penyakit kulit, termasuk kanker kulit, merupakan salah satu masalah kesehatan yang membutuhkan deteksi dini dan klasifikasi yang akurat untuk meningkatkan peluang keberhasilan pengobatan. Perkembangan teknologi pengolahan citra dan kecerdasan buatan membuka peluang baru dalam membantu proses diagnosis secara otomatis. Penelitian ini bertujuan untuk menerapkan kombinasi Convolutional Neural Network (CNN) dan Discrete Wavelet Transform (DWT) dalam mendeteksi dan mengklasifikasikan citra kulit. DWT digunakan pada tahap awal pemrosesan untuk mengekstraksi fitur frekuensi dan tekstur penting dari citra kulit, sehingga mampu mereduksi noise serta meningkatkan kualitas informasi yang relevan. Selanjutnya, CNN digunakan sebagai model utama untuk melakukan proses pembelajaran mendalam (deep learning) dan klasifikasi berdasarkan pola visual yang kompleks pada citra kulit. Metode yang diusulkan mencakup tahapan praproses citra, dekomposisi citra menggunakan DWT, ekstraksi fitur, serta pelatihan dan pengujian model CNN. Dataset citra kulit digunakan sebagai data latih dan data uji untuk mengevaluasi kinerja model berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil yang diharapkan dari penelitian ini adalah peningkatan akurasi klasifikasi dibandingkan metode konvensional, sekaligus menunjukkan bahwa kombinasi DWT dan CNN mampu memberikan performa yang lebih stabil dan efisien dalam mengidentifikasi jenis kelainan kulit. Penelitian ini diharapkan dapat berkontribusi dalam bidang pengolahan citra medis, khususnya sebagai dasar pengembangan sistem pendukung keputusan bagi tenaga medis dalam mendiagnosis penyakit kulit secara lebih cepat dan objektif. Kata kunci: Convolutional Neural Network, Discrete Wavelet Transform, Citra Kulit, Klasifikasi Citra, Pengolahan Citra Digital.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41522010040
Uncontrolled Keywords:	Convolutional Neural Network, Discrete Wavelet Transform, Citra Kulit, Klasifikasi Citra, Pengolahan Citra Digital.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.32 Neural Nets (Neural Network)/Jaringan Saraf Buatan 600 Technology/Teknologi > 610 Medical, Medicine, and Health Sciences/Ilmu Kedokteran, Ilmu Pengobatan dan Ilmu Kesehatan > 616 Diseases/Penyakit > 616.5 Diseases of Integument, Hair, Nails, Dermatology/Penyakit pada Kulit, Rambut dan Kuku, Dermatologi
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	khalimah
Date Deposited:	01 Sep 2026 07:39
Last Modified:	01 Sep 2026 07:39
URI:	http://repository.mercubuana.ac.id/id/eprint/103547

Actions (login required)

View Item