IMPLEMENTASI YOLOV8 UNTUK DETEKSI SMALLPOX DAN MONKEYPOX PADA MANUSIA DENGAN CITRA KULIT

Muhammad Hashif Hibatullah, . (2025) IMPLEMENTASI YOLOV8 UNTUK DETEKSI SMALLPOX DAN MONKEYPOX PADA MANUSIA DENGAN CITRA KULIT. Tugas Akhir thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text Cover_123210189.pdf Download (164kB)
	Text Abstrak_123210189.pdf Download (236kB)
	Text Pengesahan_123210189.pdf Download (239kB)
	Text Daftar Isi_123210189.pdf Download (254kB)
	Text Daftar Pustaka_123210189.pdf Download (203kB)
	Text Fulltext_123210189.pdf Restricted to Repository staff only Download (2MB)

Abstract

Smallpox dan monkeypox merupakan penyakit menular yang disebabkan oleh virus
dari genus Orthopoxvirus dan memiliki gejala klinis yang mirip, khususnya pada manifestasi
ruam kulit. Kondisi ini sering menyulitkan proses diagnosis dini, terutama di wilayah dengan
keterbatasan akses terhadap fasilitas laboratorium. Oleh karena itu, dibutuhkan pendekatan
berbasis teknologi untuk membantu proses identifikasi secara cepat dan akurat. Penelitian
ini bertujuan mengimplementasikan algoritma You Only Look Once versi 8 (YOLOv8) dalam
mendeteksi smallpox dan monkeypox menggunakan citra kulit manusia.
Dataset penelitian berasal dari sumber sekunder, yaitu multiclass pox dataset di
Roboflow dan dataset monkeypox-vs-smallpox dari Kaggle, dengan total 1.911 citra yang
telah melalui tahapan cleaning, anotasi, splitting, resize, dan augmentasi untuk
meningkatkan variasi data. Model YOLOv8s dilatih pada platform Google Colab
menggunakan optimizer AdamW, learning rate 0,001, patience 50, serta 150 epoch. Evaluasi
model dilakukan dengan metrik precision, recall, mean Average Precision (mAP), dan
confusion matrix.
Hasil pengujian menunjukkan performa model dengan nilai precision 0,601, recall
0,533, mAP@50 sebesar 0,544, dan mAP@50–95 sebesar 0,232. Berdasarkan evaluasi per
kelas, deteksi pada monkeypox memberikan hasil lebih baik dengan precision 0,648 dan
mAP@50 0,651, dibandingkan smallpox yang memperoleh precision 0,555 dan mAP@50
0,437. Model terbaik selanjutnya diimplementasikan ke dalam aplikasi berbasis web, yang
memungkinkan pengguna mengunggah citra kulit untuk dideteksi secara otomatis apakah
termasuk kategori smallpox atau monkeypox.
Penelitian ini membuktikan potensi YOLOv8 dalam mendukung diagnosis berbasis
citra penyakit kulit menular. Namun, akurasi model masih dapat ditingkatkan melalui
penambahan variasi dataset, peningkatan kualitas anotasi, serta eksplorasi arsitektur deteksi
objek terbaru. Dengan demikian, pendekatan ini berkontribusi pada pengembangan sistem
pendukung keputusan di bidang kesehatan, khususnya untuk penyakit menular berbasis citra
kulit.
Kata Kunci: YOLOv8, Smallpox, Monkeypox, Computer Vision, Deteksi Objek, Citra
Kulit

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	Muhammad Hashif Hibatullah (Penulis - 123210189) ; Wilis Kaswidjanti (Pembimbing)
Uncontrolled Keywords:	YOLOv8, Smallpox, Monkeypox, Computer Vision, Deteksi Objek, Citra Kulit
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	13 Oct 2025 06:03
Last Modified:	13 Oct 2025 06:03
URI:	http://eprints.upnyk.ac.id/id/eprint/44279

Actions (login required)

View Item