Hamdi Syukron, Hamdi Penerapan Deep Learning Convolutional Neural Network untuk Klasifikasi Kanker Kulit Melanoma. 2nd International Symponsium on Information Technology and Digital Innovations. (In Press)

Text LAPORAN REPO HAMDI FINAL LATEX FIXX.pdf - Accepted Version Download (4MB)

Abstract

Kanker kulit melanoma merupakan masalah kesehatan global karena sifatnya yang mengancam jiwa dan kemiripan visualnya dengan kondisi kulit jinak. Identifikasi melanoma yang akurat memerlukan keahlian khusus, yang seringkali langka dan mahal. Kelangkaan ini menyoroti kebutuhan penting akan solusi diagnostik yang mudah diakses dan hemat biaya. Memanfaatkan pembelajaran mendalam, pendekatan Kecerdasan Buatan (AI) yang berakar pada visi komputer, menawarkan jalan yang menjanjikan untuk deteksi melanoma. Penelitian ini menggunakan algoritma Convolutional Neural Network (CNN), khususnya arsitektur DenseNet121 dan VGG19, untuk mengembangkan model klasifikasi melanoma yang kuat. Melalui evaluasi yang ketat, DenseNet121 muncul sebagai arsitektur optimal, mencapai akurasi yang mengesankan sebesar 0,9385 dan kerugian minimal sebesar 0,1497. Selanjutnya, kami mendemonstrasikan implementasi praktis dengan menerapkan model DenseNet121 dalam aplikasi berbasis web menggunakan framework Flask. Temuan kami menggarisbawahi kemanjuran pembelajaran mendalam dalam deteksi melanoma dan menyoroti kelayakan untuk menerjemahkan kemajuan tersebut menjadi alat diagnostik yang mudah digunakan, mengatasi kebutuhan mendesak akan solusi layanan kesehatan yang dapat diakses dalam manajemen melanoma.

Available Versions of this Item

• Penerapan Deep Learning Convolutional Neural Network untuk Klasifikasi Kanker Kulit Melanoma. (deposited 08 Jul 2024 06:47)
  • Penerapan Deep Learning Convolutional Neural Network untuk Klasifikasi Kanker Kulit Melanoma. (deposited 10 Jul 2024 02:50) [Currently Displayed]

Actions (login required)

View Item