Implementasi Algoritma U-Net untuk Segmentasi Kanker Kulit

Averina Harjono, Jennifer (2025) Implementasi Algoritma U-Net untuk Segmentasi Kanker Kulit. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (444kB)
	PDF BAB_I.pdf Download (329kB)
	PDF BAB_II.pdf Download (687kB)
	PDF BAB_III.pdf Download (493kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (509kB)
	PDF BAB_V.pdf Download (244kB)
	PDF DAFTAR_PUSTAKA.pdf Download (245kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (52kB)
	Archive (ZIP) CREATION_FILE.zip Download (1MB)

Abstract

Deteksi dini terhadap kanker kulit, terutama melanoma, merupakan tantangan signifikan dalam bidang kesehatan dan sistem informasi medis karena kesalahan manusia dalam mendiagnosis dapat berdampak fatal. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi model U-Net berbasis Convolutional Neural Network (CNN) dalam tugas segmentasi citra kanker kulit menggunakan data International Skin Imaging Collaboration (ISIC) 2017. Metode yang digunakan mengikuti tahapan Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, praproses data, transformasi, pelatihan model, dan evaluasi. Evaluasi dilakukan menggunakan metrik akurasi dan Dice Similarity Coefficient. Hasil menunjukkan bahwa model U-Net berhasil mencapai akurasi sebesar 0,90 dan Dice Score sebesar 0,95, lebih tinggi dibandingkan penelitian sebelumnya yang mencapai Dice Score 0,83. Temuan ini menunjukkan bahwa model yang dikembangkan efektif dalam segmentasi citra medis dan berpotensi sebagai sistem bantu diagnosis otomatis untuk mengurangi risiko kesalahan diagnosis dalam dunia medis.

Item Type:	Thesis (MBKM)
Keywords:	Convolutional Neural Network, Kanker Kulit, Segmentasi Citra, U-Net. Implementasi Algoritma U-Net untuk Segmentasi Kanker Kulit, Jennifer Averina Harjono, Universitas Multimedia Nusantara
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	31 Jul 2025 13:03
Last Modified:	31 Jul 2025 13:03
URI:	https://kc.umn.ac.id/id/eprint/39560

Actions (login required)

View Item