| dc.contributor.author | Jasin, Reiner Anggriawan | |
| dc.date.accessioned | 2026-01-30T06:02:07Z | |
| dc.date.available | 2026-01-30T06:02:07Z | |
| dc.date.issued | 2023 | |
| dc.identifier.uri | https://dspace.uc.ac.id/handle/123456789/9065 | |
| dc.description | Many people desire clean and healthy skin, especially on their faces. Clean and healthy skin can protect individuals from various diseases and boost their selfconfidence. According to a survey conducted by the European Academy of Dermatology & Venereology in 27 different countries in Europe, 47.9% or nearly half of the European population aged over 18 experienced at least one type of skin issue in the past 12 months. This proves that skin problems are common among almost everyone. However, there are still many obstacles preventing people from maintaining the cleanliness and health of their skin. These obstacles can be related to factors such as time, cost, effort, and more. Moreover, there are individuals who are still unaware and choose to ignore the health of their skin. In this study, the author aims to develop a technology that can serve as an alternative solution easily accessible to everyone, helping individuals address and prevent skin problems. This research utilizes the YOLO v5 algorithm, a state-of-the-art real-time image processing algorithm. The implementation of the YOLO v5 algorithm focuses on data pre-processing, data augmentation, and hyperparameter tuning to enhance the model’s performance in accurate predictions. The resulting model is then integrated into a website created using the Flask framework, allowing the performance of the model to be measured in reallife scenarios. Although the generated model is not perfect, the best model achieved a mean average precision of 38.151%, which is 24.463% higher than conventional training methods. Additionally, the F-Measure attained by the same model is 45.023%, which is 19.633% higher than conventional training methods. This study demonstrated that employing the appropriate training methods can enhance the performance of YOLO which is considered highly promising to be implemented in various research fields, and ultimately raising people’s awareness of the importance of maintaining their skin health and cleanliness. | en_US |
| dc.description.abstract | Banyak orang menginginkan kulit yang bersih dan sehat khususnya pada daerah wajah. Kulit yang bersih dan sehat akan membuat seseorang terhindar dari berbagai jenis penyakit dan juga dapat meningkatkan rasa percaya diri. Berdasarkan survei yang dilakukan oleh European Academy of Dermatology & Venereology di 27 negara berbeda di Eropa, sebesar 47.9% atau dapat dikatakan hampir setengah dari penduduk Eropa berusia lebih dari 18 tahun memiliki paling tidak satu jenis permasalahan kulit dalam 12 bulan terakhir. Ini membuktikan bahwa permasalahan kulit adalah masalah yang dialami hampir setiap orang. Tetapi masih banyak saja orang yang memiliki halangan untuk menjaga kebersihan dan kesehatan kulit mereka. Masalah yang dihadapi juga bisa karena faktor waktu, biaya, tenaga, dll. Tetapi, banyak juga orang yang masih belum sadar dan memutuskan untuk menutup mata akan kesehatan kulit mereka. Dalam penelitian ini, penulis ingin mengembangkan teknologi yang mampu menjadi jalan keluar alternatif yang dapat digunakan dengan mudah oleh setiap orang. Teknologi ini akan mampu membantu setiap orang dalam mengatasi dan mencegah risiko permasalahan kulit. Penelitian ini memanfaatkan algoritma YOLO v5 selaku state-of-the-art dalam bidang image processing secara realtime. Implementasi algoritma YOLO v5 akan difokuskan pada penggunaan data preprocessing, data augmentation, dan pengaturan hyperparameter dalam meningkatkan performa model dalam melakukan prediksi yang tepat. Model yang dihasilkan lalu dipasangkan pada sebuah website yang dibuat menggunakan framework Flask sehingga performa model dapat diukur pada kasus nyata. Meskipun model yang dihasilkan belum sempurna, model terbaik yang dihasilkan berhasil meraih Mean Average Precision sebesar 38.151%, 24.463% lebih tinggi dari metode training konvensional. Selain itu, FMeasure yang diraih model yang sama senilai 45.023%, 19.633% lebih tinggi dari metode training konvensional. Penelitian ini menunjukkan bahwa metode training yang tepat akan mampu meningkatkan performa algoritma YOLO yang dianggap sangat potensial untuk diimplementasikan pada berbagai bidang penelitian, dan dapat meningkatkan kesadaran orang-orang akan pentingnya menjaga kesehatan dan kebersihan kulit mereka | en_US |
| dc.language.iso | id | en_US |
| dc.publisher | UNIVERSITAS CIPUTRA SURABAYA | en_US |
| dc.subject | Masalah Kulit, Object Detection, YOLO V5, Data Preprocessing, Data Augmentation | en_US |
| dc.subject | Skin Problems, Object Detection, YOLO V5, Data Preprocessing, Data Augmentation | en_US |
| dc.title | PENDETEKSI MASALAH KULIT SECARA REALTIME DENGAN ALGORITMA YOLO V5 | en_US |
| dc.type | Thesis | en_US |
| dc.identifier.kodeprodi | 55201 | |
| dc.identifier.nim | 0706011910020 | |
| dc.identifier.dosenpembimbing | Evan Tanuwijaya | |