Implementasi Convolutional Neural Network pada Sistem Klasifikasi Penyakit Kanker Kulit

Willy, Willy (2021) Implementasi Convolutional Neural Network pada Sistem Klasifikasi Penyakit Kanker Kulit. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (491kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (303kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (187kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (501kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (501kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (781kB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (169kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (705kB)

Abstract

Convolutional neural network merupakan sebuah algoritma deep learning yang dapat menerima sebuah input berupa citra, dan dapat menetapkan perbedaan setiap gambar secara handal. Pada algoritma convolutional neural network terdapat convolution layer yang berfungsi mencari feature penting pada citra dengan melakukan perkalian dengan kernel berukuran kecil sepanjang keseluruhan input. Tujuan penelitian ini adalah mengimplementasi convolutional neural network untuk klasifikasi penyakit kanker kulit. Data yang digunakan terdiri dari tiga kelas yaitu squamosa cell carcinoma, basal cell carcinoma, dan melamona. Penyakit kanker kulit dipilih karena dinilai penyakit tersebut sulit untuk dikenali. Penelitian ini menggunakan arsitektur yaitu ResNet50 dari Keras. Berdasarkan uji coba dilakukan dengan menggunakan learning rate sebesar 0,0001, 0,00005, dan 0,00001, didapatkan hasil nilai rata-rata akurasi yaitu 89,1%, 90,2%, dan 89,4% serta nilai rata-rata loss yaitu yaitu 0,5077, 0,3956, dan 0,4053. Pada hasil uji coba tersebut dapat disimpulkan bahwa model dengan learning rate 0,00005 merupakan model dengan akurasi dan loss terbaik. Oleh karena itu, model yang digunakan model dengan learning rate 0,00005. Hasil terbaik yang didapatkan dari model dengan learning rate tersebut adalah sebesar 90,1% untuk nilai akurasi, 0,317 untuk nilai loss dan 89,7% untuk nilai f1-score.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	citra, convolutional neural network, deep learning, kanker kulit
Subjects:	600 Technology (Applied Sciences) > 610 Medicine and Health > 610 Medicine and Health
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 13:45
Last Modified:	25 Aug 2023 06:24
URI:	https://kc.umn.ac.id/id/eprint/17542

Actions (login required)

View Item