View/Open

Author
MUHAMMAD, BHARA DAFFA PRATAMA

Advisor
Harry Yuliansyah, S.T., M.Eng.,
Uri Arta Ramadhani, S.T., M.Sc.,

Koleksi
Teknik Elektro

Publisher

Kanker kulit merupakan salah satu jenis kanker yang prevalensinya terus meningkat dari tahun ke tahun, sehingga diperlukan metode deteksi dini yang akurat dan efisien untuk mendukung penanganan medis secara tepat waktu. Penelitian ini bertujuan untuk mengevaluasi kinerja beberapa arsitektur convolutional neural network (CNN) dalam mendeteksi kanker kulit secara otomatis. Metode yang digunakan meliputi perbandingan enam model deep learning, yaitu MobileNet, MobileNetV2, VGG19, InceptionV3, NASNetLarge, dan EfficientNetB7, dengan memanfaatkan dataset gambar kulit. Dataset yang digunakan terdiri dari 600 sampel foto yang terbagi menjadi dua klasifikasi, yaitu 300 gambar kanker kulit dan 300 gambar non-kanker kulit, yang kemudian dibagi ke dalam tiga bagian, yaitu 70% untuk pelatihan (training), 20% untuk validasi (validation), dan 10% untuk pengujian (testing). Hasil evaluasi menunjukkan bahwa MobileNet menunjukkan performa terbaik dengan hasil klasifikasi yang sempurna, kecepatan inferensi yang tinggi, serta tren pelatihan yang stabil. Model ini kemudian diintegrasikan ke dalam alat pendeteksi kanker kulit SSC3M sebuah perangkat berbasis real-time yang dirancang untuk mendeteksi kanker kulit secara praktis dan portabel. Dengan mempertimbangkan akurasi tinggi, stabilitas pelatihan, efisiensi komputasi, serta kemampuan integrasi ke dalam produk SSC3M, dapat disimpulkan bahwa MobileNet sangat cocok untuk diimplementasikan dalam sistem deteksi kanker kulit berbasis perangkat portabel yang cerdas dan efektif.

URI
https://repo.itera.ac.id/depan/submission/SB2506020093

Keyword
Convolutional Neural Network model CNN