PERANGKAT LUNAK PENGKLASIFIKASI KANKER KULIT PADA CITRA DERMATOSKOPI DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Martin, Nicolas (2024) PERANGKAT LUNAK PENGKLASIFIKASI KANKER KULIT PADA CITRA DERMATOSKOPI DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Other thesis, Universitas Multi Data Palembang.

Text ilovepdf_merged (5).pdf Download (1MB)

Abstract

Kesehatan kulit merupakan aspek penting dalam kesejahteraan manusia. Namun, seringkali kesehatan kulit diabaikan karena masyarakat cenderung meremehkan penyakit kulit. Terdapat berbagai jenis penyakit kulit, mulai dari yang tidak berbahaya seperti alergi dan jamur hingga yang dapat menjadi masalah serius seperti kanker kulit. Kanker kulit telah menyita perhatian medis global karena tingginya angka kejadian dan kematian yang disebabkannya. Diagnosis dini yang akurat sangat penting untuk meningkatkan tingkat kesembuhan penderita kanker kulit. Namun, proses diagnosis seringkali memerlukan perangkat medis yang canggih dan tindakan biopsi. Penelitian ini bertujuan untuk mengembangkan perangkat lunak berbasis website untuk mengklasifikasikan jenis kanker kulit secara akurat dengan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur AlexNet. CNN memiliki kemampuan untuk mengekstrak fitur-fitur kompleks dari citra sehingga dapat mengklasifikasikan jenis kanker kulit secara otomatis dan akurat. Dataset yang digunakan terdiri dari 24839 citra. Pengujian dilakukan dengan menggunakan seluruh data dan 3000 data, masing-masing 500 citra untuk 6 jenis kanker kulit, yaitu Actinic Keratosis, Basal Cell Carcinoma, Melanocytic Nevus, Melanoma, Pigmented Benign Keratosis, dan Squamous Cell Carcinoma dengan pembagian 80% untuk data latih dan 20% untuk data uji. Berdasarkan hasil percobaan yang sudah dilakukan, hasil akurasi terbaik sebesar 72% didapatkan dengan menggunakan seluruh data citra, parameter Learning rate 0,0001, Oprimizer Adamax, Batch size 16, dan Epoch 40 serta hasil dari pengujian kepuasan aplikasi menunjukkan angka 90.21% yang menandakan responden sangat puas saat menggunakan aplikasi.

Actions (login required)

View Item