Search for collections on Itenas Repository

TA: IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA

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

[img]
Preview
Text (Cover)
01 Cover 152016099.pdf

Download (1MB) | Preview
[img]
Preview
Text (Abstrak)
02 Abstrak 152016099.pdf

Download (116kB) | Preview
[img]
Preview
Text (Daftar Isi)
03 Daftar Isi 152016099.pdf

Download (136kB) | Preview
[img]
Preview
Text (Bab 1)
04 Bab 1 152016099.pdf

Download (249kB) | Preview
[img]
Preview
Text (Bab 2)
05 Bab 2 152016099.pdf

Download (611kB) | Preview
[img]
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.

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsemail
Thesis advisorPardede, JasmanUNSPECIFIED
Divisions: 1 Fakultas Teknologi Industri > 55201 Teknik Informatika S1
Depositing User: Erma Sukmaida
Date Deposited: 06 Apr 2021 03:06
Last Modified: 04 Nov 2021 08:03
URI: http://eprints.itenas.ac.id/id/eprint/1311

Actions (login required)

View Item View Item