{JALUR SCIENTIST} INVESTIGATING THE EFFECTIVENESS OF VARIOUS CONVOLUTIONAL NEURAL NETWORK MODEL ARCHITECTURES FOR SKIN CANCER MELANOMA CLASSIFICATION

Jatmiko, Rizky Hafizh (2023) {JALUR SCIENTIST} INVESTIGATING THE EFFECTIVENESS OF VARIOUS CONVOLUTIONAL NEURAL NETWORK MODEL ARCHITECTURES FOR SKIN CANCER MELANOMA CLASSIFICATION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (354kB)
	Text (ISI) ISI.pdf Restricted to Registered users only Download (1MB)
	Archive (SOURCE CODE) Jalur Scientist Sourcecode - Rizky Hafizh Jatmiko.zip Restricted to Repository staff only Download (2MB)

Abstract

Melanoma merupakan salah satu jenis kanker kulit yang paling berbahaya. Sejak Pada tahun 2018, jumlah kasus kanker kulit di AS mengalami peningkatan dan melampauinya 100.000. Melanoma merupakan kanker ketiga terbanyak di Indonesia setelah kanker rahim kanker dan kanker payudara. Standar deteksi biopsi kanker kulit adalah melanoma mahal dan memakan waktu. Tujuan dari penelitian ini adalah untuk membangun dan membandingkan deteksi kanker kulit melanoma menggunakan berbagai Convolutional Neural Network metode. Penelitian ini menggunakan empat metode arsitektur model CNN, VGG-16, LeNet, Xception, dan MobileNet. Dataset untuk penelitian ini adalah data gambar itu terdiri dari 9605 data yang terbagi dalam kelas jinak dan ganas. Datanya akan menjadi ditingkatkan untuk meningkatkan kuantitasnya. Setelah itu, data akan dilatih menggunakan empat Model arsitektur CNN dan dievaluasi menggunakan matriks konfusi. Hasil dari penelitian ini adalah model Xception memiliki akurasi terbaik dan loss terendah, dengan Akurasi 93% dan loss 19%, presisi 93%, recall 93,5%, dan f1-score 93%. Sedangkan model lainnya, VGG-16 memberikan akurasi 90 %, loss 27%, LeNet 89,7% akurasi, kerugian 28%, dan akurasi mobileNet 90,8% dan kerugian 22,5%.

Actions (login required)

View Item