Pengujian Metode Inception V3 dalam Mengidentifikasi Penyakit Kanker Kulit

Kosman, Alvin Widyadhana and Wahyuningsih, Yulia and Mahendrasusila, Fernandi (2024) Pengujian Metode Inception V3 dalam Mengidentifikasi Penyakit Kanker Kulit. Jurnal Teknlogi Informatika dan Komputer MH. Thamrin, 10 (1). pp. 132-142. ISSN 2656-9957

	Text ojs_thamrin,+Artikel+Alvin (1).pdf Download (348kB)
	Text HASIL SIMILARITY-YULIA WAHYUNINGSIH-PENGUJIAN METODE INCEPTION V3 DALAM MENGIDENTIFIKASI PENYAKIT KANKER KULIT.pdf Download (2MB)

Abstract

Kulit yang berfungsi secara estetika dan melindungi organ internal secara rutin terpapar elemen eksternal, membuatnya rentan terhadap luka dan penyakit. Salah satu kondisi yang paling berbahaya adalah kanker kulit, masalah kesehatan global yang berasal dari mutasi DNA pada sel kulit, terutama Melanoma dan Basal Cell Carcinoma (BCC). Penyakit tersebut umum terjadi di area yang terpapar sinar matahari berlebihan. Di Indonesia yang memiliki lokasi geografis di daerah tropis memiliki resiko terjangkit kanker kulit yang lebih besar. Hal tersebut mendorong kebutuhan akan metode diagnostik yang efektif. Prosedur biopsi tradisional, meskipun akurat, memakan waktu dan mahal. Studi ini mengeksplorasi pendekatan alternatif yang efisien dengan menggunakan computer vision dan machine learning, khususnya Inception V3. Metode Inception V3 adalah salah satu arsitektur jaringan saraf konvolusi (CNN) yang dikembangkan oleh tim peneliti di Google pada tahun 2015. Tujuan utama dari Inception V3 adalah untuk meningkatkan kecepatan komputasi dan kinerja model dalam pengenalan gambar. Penelitian akan dilakukan dengan cara melakukan pelatihan pada model dengan metode Inception V3. Model akan dilatih menggunakan data foto kulit sebesar 9,1GB (Gigabyte) yang diambil dari International Skin Imaging Challenge (ISIC) pada tahun 2019. Setelah pelatihan selesai dilakukan, tahap selanjutnya adalah pengujian. Untuk mencegah bias maka data yang dipakai untuk pengujian model tidak boleh sama dengan pelatihannya. Model yang dilatih menunjukkan akurasi yang memuaskan, mencapai 99.93% untuk Melanoma dan 92.26% untuk identifikasi Basal Cell Carcinoma.

Item Type:	Article
Uncontrolled Keywords:	Skin Cancer, Computer Vision, Maching Learning, Inception V3, Convolution Neural Network
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > Prodi Ilmu Informatika
Depositing User:	Yulia Wahyuningsih
Date Deposited:	14 Mar 2025 05:48
Last Modified:	14 Mar 2025 09:48
URI:	http://repositori.ukdc.ac.id/id/eprint/1806

Actions (login required)

View Item