KLASIFIKASI KANKER KULIT DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

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:	Users 30 not found.
Date Deposited:	03 Nov 2023 07:43
Last Modified:	03 Nov 2023 07:43
URI:	https://repository.unas.ac.id/id/eprint/8821

Actions (login required)

View Item