KLASIFIKASI TIPE SKIN CANCER BERBASIS IMAGE PROCESSING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Abstract

Penelitian ini membahas tentang perancangan pengklasifikasian citra lesi kulit pada penyakit skin cancer berbasi image processing menggunakan metode Convolutional Neural Network (CNN) yang dapat diterapkan pada kehidupan sehari-hari di ruang lingkup tenaga medis. Sistem klasifikasi skin cancer yang dapat mendeteksi tipe dengan 7 jenis kategori seperti Melanocytic nevi, Melanoma, Benign keratosis, Basal cell carcinoma, Actinic keratoses, Vascular lessions, dan Dermatofibroma. Pengklasifikasian tipe skin cancer pada sistem ini lebih mudah dibandingkan dengan teknik pendeteksian yang sudah ada karena tidak memerlukan reaksi kimia lainnya dalam sampel yang akan digunakan dan menggunakan sistem komputerisasi sebagai pengambilan keputusan. Pengolahan citra yang digunakan sistem ini akan melakukan tahapan pencarian beberapa informasi serta pendeskripsian citra untuk mengenal objek pada input yang akan digunakan. Dari perancangan arsitektur CNN ini akan digunakan variasi arsitektur CNN yang memiliki 8 layer (7 convolutional layer dan 1 fully connected layer). Fungsi aktivasi yang digunakan pada perancangan yaitu fungsi aktivasi ReLu dan sigmoid. Melalui arsitektur CNN yang telah dirancang dengan memperhatikan beberapa pertimbangan lainnya seperti data yang digunakan berimbang, citra gambar yang digunakan adalah RGB, dan jumlah epochs yang digunakan sebesar 100 epochs sehingga diperoleh performa matriks dengan nilai akurasisistem sebesar 95.77% dan nilairata-rata presisi, recall, dan F1-score pada tiap kelasnya yaitu 93.86%, 95.29%, dan 94.57%. Model telah didapatkan dan diimplementasikan pada sebuah prototype dari aplikasi website. Lamanya pemrosesan yang dibutuhkan menggunakan sistem ini hanya menghabiskan durasi kurang dari 2 menit, sehingga sistem dapat dikatakan lebih efisisen daripada teknik biopsy yang memerlukan waktu 10-15 menit.