Alfitra Salam,, - (2023) PERBANDINGAN KLASIFIKASI CITRA CT-SCAN KANKER PARU-PARU MENGGUNAKAN CONTRAST STRETCHING PADA CNN DENGAN EFFICIENTNET-B0. KLIK: Kajian Ilmiah Informatika dan Komputer, 4 (3). pp. 1341-1351. ISSN 2723-3898

Preview

Text REPOSIOTRY JURAL ALFITRA.pdf Download (1MB) | Preview

Abstract

Data dari Organisasi Kesehatan Dunia (WHO) menunjukkan bahwa pada tahun 2020, sekitar 10 juta orang meninggal akibat kanker. Merokok diidentifikasi sebagai faktor utama yang menyebabkan kanker paru-paru, karena rokok mengandung lebih dari 60 zat beracun yang dapat memicu perkembangan penyakit kanker. Tingkat kanker paru-paru telah meningkat dengan cepat akibat konsumsi rokok yang berlebihan. Mendeteksi nodul pada paru-paru biasanya memerlukan waktu sekitar 10-30 menit. Dalam penelitian ini, digunakan algoritma CNN dengan arsitektur EfficientNet-B0 untuk mengklasifikasikan kanker paru-paru. Proses preprocessing yaitu contrast stretching, dan berbagai teknik optimasi hyperparameter seperti Adam, Adagrad, dan SGD digunakan untuk meningkatkan kinerja CNN dan menggunakan Average pooling dengan out dense 64, 32, 16, 1. Analisis kinerja dilakukan dengan menggunakan matriks klasifikasi (confusion matrix). Hasil klasifikasi tertinggi dicapai menggunakan optimizer ADAM dan learning rate 0.01, di mana mencapai 72.48%, presisi 71.52%, recall 64.2%, dan skor F1 64.76%. Sementara itu, hasil yang diperoleh dari dataset asli menunjukkan perbedaan. Hasil klasifikasi tertinggi diperoleh optimizer ADAM dan learning rate 0.01, dengan akurasi mencapai 64.22%, presisi 52.69%, recall 50.52%, dan skor F1 43.51%. Hasil ini menunjukkan bahwa penggunaan contrast stretching dalam preprocessing klasifikasi kanker paru-paru sangat efektif dalam meningkatkan akurasi. Kata Kunci: Kanker paru; CNN; EfficientNet-B0; Klasifikasi; Contrast Stretching

Actions (login required)

View Item