Klasifikasi Citra Kanker Kulit pada Dataset HAM10000 Menggunakan Metode CNN dengan Arsitektur  EfficientNet

NAUFAL TAUHID DINITRA

Informasi Umum

Kode

23.04.3228

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Signal Processing

Dilihat

842 kali

Informasi Lainnya

Abstraksi

Kanker kulit merupakan salah satu jenis kanker yang terus bertambah dan menjadi salah satu yang paling umum dideteksi di dunia. Penelitian mengenai deteksi kanker kulit melalui citra dermoskopi telah membantu dalam mendeteksi kanker kulit. Pendeteksian menggunakan sistem citra berbasis komputer dengan metode CNN memberikan akurasi yang cukup baik dalam mendeteksi kanker kulit. CNN(Convolutional Neural Network) merupakan salah satu metode yang digunakan untuk sistem pengolahan klasifikasi citra kanker kulit.

Pada penelitian Tugas akhir kali ini digunakan metode CNN dengan arsitektur EfficientNet dan HAM10000 sebagai dataset penelitian. Dataset HAM10000 memiliki 10015 gambar dan sudah terverifikasi 53,3% oleh ahli patologi EfficientNet menawarkan teknik compound scaling up dengan cara yang simple namun efisien. Pada penelitian ini juga dilakukan beberapa kombinasi augmentasi zoom,shift dan flip untuk memperkaya dataset HAM10000 dan juga fine tuning untuk mendapatkan performa yang lebih baik dari EfficientNet .

Pada penelitian ini diperoleh bahwa EfficientNet dapat menghasilkan minimal akurasi 79% sebelum fine tuning dan 84% setelah fine tuning. Pada penelitian ini juga diperoleh hasil terbaik dengan model EfficientNet B3 dengan augmentasi flip dan fine tuning yang menghasilkan akurasi 87,75%. Pengujian ini dilakukan dengan menggunakan batch size 32, epoch 50, learning rate 0.0001, dan optimizer Adam.

Kata Kunci: kanker kulit,CNN,EfficientNet,HAM10000