View/Open

Author
VANIA, ANGELICA KUSUMA PUTRI NABABAN

Date Published
21 Sep 2026

Advisor
Leslie Anggraini, S.Kom., M.Cs.,

Subject
Teknik Informatika

Publisher

Kanker kulit terbagi menjadi melanoma dan non-melanoma yang mencakup Basal Cell Carcinoma (BCC) dan Squamous Cell Carcinoma (SCC). Identifikasi yang akurat terhadap ketiga jenis kanker ini penting karena masing-masing memiliki penanganan yang berbeda. Penelitian ini membandingkan arsitektur MobileNetV3-Large dan EfficientNet B2 dalam mengklasifikasikan kanker kulit melanoma dan non melanoma berdasarkan citra dermoskopi dari dataset ISIC 2019 dengan total 4.628 citra. Model dikembangkan menggunakan transfer learning dengan frozen backbone, dilatih menggunakan Focal Loss dengan variasi optimizer Adam dan RMSprop serta learning rate 1e-3 dan 1e 4, dan dievaluasi menggunakan Stratified 5-Fold Cross Validation. Evaluasi dilakukan melalui confusion matrix dengan metrik macro averaging serta visualisasi Grad-CAM. Hasil penelitian menunjukkan EfficientNet-B2 dengan Adam dan learning rate 1e-4 menghasilkan performa terbaik dengan rata-rata Accuracy 77,74 persen dan F1-Score 73,93 persen, lebih unggul dengan MobileNetV3-Large dengan selisih Accuracy sebesar 2,29 persen dan F1-Score sebesar 3,13 persen. Analisis Grad-CAM menunjukkan kedua model mampu fokus pada area lesi yang relevan, namun masih mengalami kesulitan membedakan BCC dan SCC akibat kemiripan visual bentuk lesi.

URI
https://repo.itera.ac.id/depan/submission/SB2609200020

Keyword
Kanker Kulit Klasifikasi Citra Convolutional Neural Network MobileNetV3 EfficientNet-B2