Implementasi Algoritma Convolutional Neural Network dalam Mendeteksi Jenis Kanker Kulit

Benediktus, Natanael (2022) Implementasi Algoritma Convolutional Neural Network dalam Mendeteksi Jenis Kanker Kulit. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (2MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (677kB) | Preview
Preview	PDF BAB_I.pdf Download (616kB) | Preview
Preview	PDF BAB_II.pdf Download (825kB) | Preview
Preview	PDF BAB_III.pdf Download (678kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (606kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Kanker kulit merupakan salah satu jenis kanker paling umum di seluruh dunia. Deteksi dini kanker kulit sangatlah penting untuk mengobati penyakit ini dikarenakan penyakit kanker kulit terutama jenis melanoma dapat menyebar ke organ lain dengan cepat apabila tidak ditangani pada tahap awal. Selain meningkatkan kelangsungan hidup seorang manusia, deteksi dini pun dapat menghemat biaya medis dan perawatan untuk pasien. Teknologi Kecerdasan Artifisial, khususnya algoritma Pembelajaran Mendalam dapat membantu manusia dalam mendeteksi kanker kulit sehingga dapat ditangani secepat mungkin. Penelitian ini melakukan pemodelan algoritma Convolutional Neural Network untuk mendeteksi kanker kulit jenis melanoma dan non-melanoma. Tahap pertama dalam penelitian ini adalah dengan menyiapkan data gambar terlebih dahulu, yakni dengan melakukan penyeragaman ukuran gambar, diterapkannya dull razor method untuk menghilangkan partikel rambut dan median filter untuk menghaluskan pixel rambut yang digantikan. Kemudian, dibangunnya model Convolutional Neural Network dengan arsitektur AlexNet dan LeNet sebagai pendekatan untuk mendeteksi jenis kanker kulit. Hasil dari penelitian ini menunjukan bahwa model Convolutional Neural Network dapat digunakan untuk mendeteksi jenis kanker kulit. Secara garis besar, model AlexNet mampu menghasilkan performa yang lebih baik dibandingkan model LeNet, yang mana model AlexNet mampu menghasilkan nilai akurasi sebesar 86.84%, nilai precision sebesar 86.80%, nilai recall sebesar 86.96%, dan nilai F1- Score sebesaar 86.82%. Sedangkan model LeNet mampu menghasilkan nilai akurasi sebesar 83.48%, nilai precision sebesar 83.40%, nilai recall sebesar 83.51%, dan nilai F1-Score sebesaar 83.44%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, Deep Learning, Kanker Kulit, Melanoma, Pengolahan Citra
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 600 Technology (Applied Sciences) > 610 Medicine and Health > 614 Forensic Medicine; Incidence of Injuries, Wounds, Disease; Public Preventive Medicine
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 04:14
Last Modified:	07 Jul 2023 05:32
URI:	https://kc.umn.ac.id/id/eprint/22245

Actions (login required)

View Item