ULHAQ, RIZQ DHIYO (2023) KLASIFIKASI KANKER KULIT DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Nasional.
Text
Cover.pdf Download (1MB) |
|
Text
Bab I .pdf Download (337kB) |
|
Text
Bab II .pdf Download (383kB) |
|
Text
Bab III .pdf Download (422kB) |
|
Text
Bab IV .pdf Download (358kB) |
|
Text
Bab V .pdf Download (201kB) |
|
Text
Daftar Pustaka, Lampiran, Turnitin .pdf Download (597kB) |
Abstract
Kanker kulit sudah didokumentasikan sebanyak 6.170 kasus, dan termasuk salah satu kanker ganas. Ini karena kerusakan DNA tidak diperbaiki, menyebabkan mutasi, dan akibatnya, sel-sel menyimpang berkembang biak tak terkendali di lapisan terluar kulit. Biopsi yakni teknik yang digunakan untuk mengidentifikasi kanker kulit di mana sepotong kecil kulit pasien dikeluarkan untuk dianalisis. Biopsi menyakitkan dan bisa menyebabkan jaringan parut permanen jika digunakan terlalu sering. Untuk mengkategorikan kanker kulit, penelitian ini menggunakan algoritma CNN. Penggunaan arsitektur DenseNet201 untuk ekstraksi fitur berbasis CNN. Dengan menghubungkan semua output layer dan menggunakannya kembali sebagai input untuk layer berikutnya, DenseNet201 berfungsi sebagai pengklasifikasi CNN tertaut. Pada hasil pemodelan di ukur memakai Confusion Matrix untuk menghitung presisi, recall, dan akurasi. Dalam penelitian ini, 2357 citra data digunakan untuk klasifikasi kaker kulit dengan melakukan tahap resizing of image dengan algoritma CNN berada pada ambang akurasi yang baik didapatkan tingkat nilai accuracy sebesar 89%, precision sebesarr 89%, recall 89%, dan F1-score sebesar 89%.
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | Q Science > Q Science (General) R Medicine > R Medicine (General) T Technology > T Technology (General) |
Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika |
Depositing User: | Miss Rahma Rahmawati |
Date Deposited: | 03 Nov 2023 07:43 |
Last Modified: | 03 Nov 2023 07:43 |
URI: | http://repository.unas.ac.id/id/eprint/8821 |
Actions (login required)
View Item |