Klasifikasi Kanker Kulit Ganas Dan Jinak Menggunakan Metode Convolutional Neural Network

Authors

DOI:

https://doi.org/10.34818/eoe.v9i6.18986

Abstract

Abstrak—Kulit merupakan bagian terluar pada tubuh manusia, sehingga kulit mudah terserang penyakit salah satunya adalah kanker kulit. Kanker kulit menjadi salah satu kanker yang dapat mematikan. Kanker kulit menduduki peringkat ketiga setelah kanker serviks dan kanker payudara di negara Indonesia. Dalam mendeteksi kanker kulit dokter dermatologis dapat melakukan biopsi. Namun, kekurangan dalam melakukan biopsi memerlukan waktu dan persiapan yang panjang. Inovasi dalam menklasifikasi dan mendeteksi penyakit kanker kulit dengan menggunakan jaringan saraf tiruan yang berkembang dengan pesat dalam membantu dokter sehingga dapat dilakukan penanganan yang cepat dan tepat.Tugas akhir ini bertujuan untuk membuat suatu sistem yang dapat mengklasifikasikan penyakit kanker kulit. Dataset yang digunakan dalam penelitian ini diperoleh secara online melalui kaggle.com dengan data citra RGB sebanyak 3297 citra di mana terdapat dua kelas yaitu ganas dan jinak dengan menggunakan model Convolutional Neural Network (CNN) dan arsitektur ResNet50. Berdasarkan hasil pengujian sistem hyperparameter terbaik yang didapatkan menggunakan optimizer AdaMax, learning rate 0.0001, batch size 64 dan epoch sebanyak 50. Hasil perfomansi akurasi memperoleh 99%, nilai presisi 99%, nilai recall 99%, dan nilai f1-score 99%. Kata Kunci — Convolutional Neural Network (CNN) , kanker kulit, ResNet50.

Downloads

Download data is not yet available.

References

[1] M.P. Hendaria, A. Asmarajaya, dan S. Maliawan, “Kanker Kulit 2015,” pp. 1–17, 2015.

[2] J. Setiabudi, M. Wardhana, I. G. A. A. E. Indira, dan Ni Made Dwi Puspawati “Profil Pra Kanker dan Kanker Kulit di RSUP Sanglah Periode 2015-2018,” pp. 83–88, 2021.

[3] S. Wilvestra, S. Lestari, dan E. Asri, “Studi Retrospektif Kanker Kulit di Poliklinik Ilmu Kesehatan Kulit dan Kelamin RS Dr. M. Djamil Padang Periode Tahun 2015-2017,” pp. 47–49 , 2018.

[4] E. P. Sitorus dan I. Julianto, “Teknik – Teknik Biopsi Kulit,” Cdk, vol.45, no.6, pp. 466–471, 2018.

[5] M. D. Alinda, M. Hutomo, dan T. Setyaningrum, “Dermoskop Membantu Diagnosis Kelainan Kulit Papuloskuamesa ( Dermoscopy Supports the Diagnose of Papulosquamous Disorders ),” Ilmu Kesehatan Kulit dan Kelamin, vol. 26, no. 3, pp. 168–174, 2014.

[6] R. Raja Subramanian, D. Achuth, P. S. Kumar, K. N. K. Reddy, S. Amara, dan A. S. Chowdary, “Skin cancer classification using Convolutional neural networks,” pp. 13–18, 2021.

[7] A. Budhiman, S. Suyanto, dan A. Arifianto, “Melanoma Cancer Classification Using ResNet with Data Augmentation,” pp. 17–20, 2019.

[8] T. R. Savera, W.H. Suryawan, dan A. W. Setiawan, “Deteksi Dini Kanker Kulit Menggunakan K-NN dan Convolutional Neural Network,” J. Teknologi Informatika dan Ilmu Komputer (JTIIK), vol. 7, no. 2, pp. 373–378, 2020.

[9] L. Hakim, Z. Sari, dan Handhajani, “Klasifikasi Citra Pigmen Kanker Kulit Menggunakan Convolutional Neural Network,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 379–385, 2021.

[10] M. Faruk, dan N. Nafi’iyah, “Telematika Klasifikasi Kanker Kulit Berdasarkan Fitur Tekstur, Fitur Warna Citra Menggunakan SVM dan KNN,” Telematika, vol. 13, no. 2, pp. 100–109, 2020.

[11] A. Z. Foeady, “Sistem Klasifikasi Kanker Kulit Berdasarkan Data Citra Dermoscopic dengan Menggunakan Metode Deep Extreme Learning Machine,” pp. 1–144, 2019.

Downloads

Published

2022-12-01

Issue

Pages

3200-3206

Section

Program Studi S1 Teknik Telekomunikasi

How to Cite

Alyyu, N., Fuadah, Y. N., & Pratiwi, N. K. C. (2022). Klasifikasi Kanker Kulit Ganas Dan Jinak Menggunakan Metode Convolutional Neural Network. EProceedings of Engineering, 9(6), 3200-3206. https://doi.org/10.34818/eoe.v9i6.18986