| dc.description.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. | en_US |
