KLASIFIKASI KANKER KULIT MENGGUNAKAN MODEL CNN DENGAN ARSITEKTUR VGG-16

EZA PANJI LANANG

Informasi Umum

Kode

22.04.755

Klasifikasi

621.367 - Technological photography and photo-optics, Spectrography, Stroboscopic photography, Image processing, Optical data processing

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing, Biomedical Engineering,

Dilihat

460 kali

Informasi Lainnya

Abstraksi

Kanker kulit merupakan salah satu jenis kanker yang terus mengalami kenaikan jumlah kasus. Pencegahan kanker kulit dapat dilakukan dengan pendeteksian dini dan penanganan yang tepat. Sayangnya, deteksi dini kanker kulit pada umumnya masih dilakukan secara manual yang memungkinkan terjadi human error dan membutuhkan biaya yang relatif mahal. Permasalahan tersebut digunakan alternatif lain yaitu melakukan klasifikasi kanker kulit dengan memanfaatkan sistem citra berbasis komputer. Convolutional Neural Network (CNN) merupakan salah satu metode dalam sistem pengelolahan citra berbasis komputer yang berfungsi untuk klasifikasi citra kanker kulit. Metode ini menghasilkan nilai performansi yang lebih baik dibandingkan dengan metode lainnya. Penelitian Tugas Akhir ini menggunakan metode CNN dengan arsitektur VGG-16 yang terdiri dari 16 hidden layer. Input data citra yang digunakan akan diproses terlebih dahulu menggunakan dullrazor filtering yang berfungsi untuk menghilangkan piksel rambut pada citra sehingga dapat memperjelas objek yang akan di teliti. Sistem dirancang menggunakan platfrom Google Colab dengan menggunakan bahasa pemrograman Python dan dataset yang diambil dari web www.kaggle.com. Citra kanker kulit terlebih dahulu dihilangkan piksel rambutnya melalui Dullrazor Filtering kemudian masuk ke tahapan training dan testing model. Dari hasil pengujian sistem diperoleh parameter paling optimal diantaranya adalah size citra sebesar 64*64, Optimizer menggunakan Adam Optimizer, Learning Rate sebesar 0.00001, Epoch sebesar 30, dan batch size 16. Parameter performansi sistem yang dihasilkan yaitu akurasi sebesar 97.04%, Loss 0.0985, presisi sebesar 97%, recall sebesar 97%, dan f1 score sebesar 97%. Hasil ini menunjukkan bahwa metode yang digunakan lebih baik dibandingkan penelitian sebelumnya yang memiliki performansi dibawah 80%.

Kata Kunci: kanker kulit, CNN, VGG-16, dull razor filtering, performansi, Python, Dataset.