PERBANDINGAN KINERJA MODEL CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI KANKER KULIT

1903015086 - Arlingga Cahya Ramdhana; Nunik Pratiwi, S.T., M. Kom.;

Kanker kulit merupakan salah satu penyakit yang sangat mempengaruhi kualitas hidup manusia dan
dapat berpotensi buruk jika tidak terdeteksi dan ditangani dengan cepat. Dalam upaya untuk
meningkatkan deteksi dini dan akurasi diagnosis kanker kulit, penelitian ini bertujuan untuk
merancang sistem klasifikasi kanker kulit menggunakan deep learning. Metode penelitian ini
melibatkan penggunaan jaringan saraf tiruan berbasis deep learning, terutama convolutional neural
network (CNN), yang telah terbukti efektif dalam pengolahan citra. Citra pada dataset tersebut
mencakup berbagai jenis kanker kulit, termasuk melanoma dan karsinoma sel basal. Pada penelitian
ini, sistem klasifikasi kanker kulit dibangun dengan menggunakan The-HAM10000 Dataverse,
dengan memanfaatkan algoritma CNN dan performa dari sistem yang dibuat menggunakan model
InceptionV3, dan EfficientNetB0. Hasil dari kedua metode ini pada dataset tersebut menghasilkan
bahwa InceptionV3 memiliki akurasi sebesar 0.7681, dan EfficientNetB0 sebesar 0.9809, hasil dari
akurasi tersebut menjadikan sistem EfficientNetB0 lebih baik untuk deteksi kanker kulit, sehingga
temuan ini menjadikan bahwa akurasi di tingkat demikian akan mengklasifikasi sebanyak 327 data
saja, maka dari itu data yang dilatih dan diuji akan menghasilkan sebuah akurasi dan error dari
validasinya yang menjadikan EfficientNetB0 sebuah pilihan untuk dilakukannya klasifikasi
berdasarkan metode CNN.