Putra, Dwi Adi Lenggana (2020) TA: IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA. Skripsi thesis, Institut Teknologi Nasional Bandung.

Preview	Text (Cover) 01 Cover 152016099.pdf Download (1MB) | Preview
Preview	Text (Abstrak) 02 Abstrak 152016099.pdf Download (116kB) | Preview
Preview	Text (Daftar Isi) 03 Daftar Isi 152016099.pdf Download (136kB) | Preview
Preview	Text (Bab 1) 04 Bab 1 152016099.pdf Download (249kB) | Preview
Preview	Text (Bab 2) 05 Bab 2 152016099.pdf Download (611kB) | Preview
Preview	Text (Daftar Pustaka) 06 Daftar Pustaka 152016099.pdf Download (195kB) | Preview

Abstract

Kulit merupakan bagian tubuh manusia yang menutupi seluruh tubuh dan melindungi lapisan di bawahnya dari sinar matahari langsung dan mikroorganisme lainnya. Oleh karena itu, sel kulit dapat berubah atau mengalami mutasi genetik yang menyebabkan terjadinya kanker kulit. Secara umum kanker kulit dibedakan menjadi tiga golongan, yaitu: kanker kulit Karsinoma sel basal, kanker kulit karsinoma sel skuamosa, dan kanker kulit Melanoma. Kanker kulit melanoma disebabkan oleh pertumbuhan sel melanosit yang tidak normal. Beberapa metode yang diusulkan memprediksi kanker kulit Melanoma yaitu menggunakan ResNet, LeNet, dan SVM. Dalam studi ini, penulis menerapkan DenseNet121 untuk mengidentifikasi kanker kulit Melanoma. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan F-Measure. Eksperimen dilakukan pada dataset kanker kulit Melanoma yang diperoleh nilai rata-rata dari segi accuracy, precision, recall, dan f-measure berturut-turut adalah 94%, 95%, 92%, dan 94%. Berdasarkan hasil tersebut, DenseNet121 yang diusulkan memiliki kinerja accuracy 94% lebih baik dibandingkan dengan metode ResNet, LeNet, dan SVM. Kata Kunci — Convolutional Neural Network; Klasifikasi Citra; Klasifikasi Melanoma; DenseNet121.

Actions (login required)

View Item