DEDE YANDREKA SYAPUTRA, - (2024) KLASIFIKASI KANKER KULIT DENGAN CONVOLUTIONAL NEURAL NETWORK MODEL VGG-16 MENGGUNAKAN OPTIMAZER ADAM DAN SGD : PERBANDINGAN TEKNIK PREPROCESSING. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text SKRIPSI LENGKAP KECUALI BAB IV.pdf Download (3MB) | Preview
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (890kB)

Abstract

Kanker kulit jinak dan ganas merupakan salah satu penyakit yang membutuhkan deteksi dini untuk meningkatkan tingkat kesembuhan. Pada penelitian ini, kami mengusulkan sebuah pendekatan menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk klasifikasi kanker kulit melanoma berdasarkan citra dermatoskopi. Dataset yang digunakan terdiri dari gambar kulit yang dikumpulkan dari berbagai sumber medis yang telah di preprocessing menggunakan algoritma Dull razor filtering, Contrast stretching dan Contrast Limited Adaptive Histogram Equalization (CLAHE). Kami melatih model CNN menggunakan teknik pembelajaran transfer pada arsitektur VGG-16 untuk memanfaatkan kemampuan ekstraksi fitur yang kuat. Dari hasil pelatihan, kami memperoleh akurasi tertinggi sebesar 83,18% dengan nilai presisi 79,72% dan Sensitivitas 88,15%. Eksperimen menunjukkan bahwa model yang dihasilkan mampu memberikan klasifikasi yang akurat antara lesi jinak dan ganas. Hasil ini menunjukkan potensi penggunaan CNN, khususnya VGG-16, dalam mendukung deteksi dini kanker kulit melanoma melalui analisis citra kulit.

Actions (login required)

View Item