Perdana, Marcellus Grania Revan (2026) PENDETEKSI PENYAKIT KANKER KULIT MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK. S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.
200710944_Bab 0.pdf
File Pdf (650kB)
200710944_Bab 1.pdf
File Pdf (475kB)
200710944_Bab 2.pdf
File Pdf (488kB)
200710944_Bab 3.pdf
Restricted to Registered users only
File Pdf (772kB)
200710944_Bab 4.pdf
Restricted to Registered users only
File Pdf (2MB)
200710944_Bab 5.pdf
Restricted to Registered users only
File Pdf (1MB)
200710944_Bab 6.pdf
File Pdf (473kB)
Abstract
Kanker kulit merupakan salah satu penyakit berbahaya yang dapat berkembang secara progresif
dan sulit dikenali pada tahap awal karena memiliki kemiripan visual dengan penyakit kulit lainnya.
Rendahnya kesadaran masyarakat, keterbatasan jumlah tenaga medis spesialis, serta biaya pemeriksaan
yang relatif tinggi menjadi faktor utama keterlambatan deteksi dini kanker kulit. Oleh karena itu,
diperlukan suatu sistem pendukung yang mampu membantu proses identifikasi penyakit kanker kulit
secara otomatis dan akurat.
Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi penyakit kanker kulit
berbasis citra menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan
berasal dari Kaggle dan terdiri dari 25.331 citra kulit yang terbagi ke dalam delapan kelas penyakit,
yaitu benign keratosis, dermatofibroma, melanocytic nevus, melanoma, basal cell carcinoma, vascular
lesion, actinic keratosis, dan squamous cell carcinoma. Dataset tersebut diproses melalui tahap
prapemrosesan, pelabelan data, augmentasi citra, serta pembagian data ke dalam data latih, validasi,
dan pengujian. Model yang digunakan dalam penelitian ini meliputi arsitektur AlexNet, GoogLeNet,
dan ResNet50. Proses pelatian dilakukan dengan parameter yang sama yakni dari augmentasi, class
weight, serta penggunaan optimizer Adam untuk meningkatkan performa model dan mengatasi
ketidakseimbangan data. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall,
dan f1-score.
Hasil penelitian menunjukkan bahwa penerapan model menggunakan arsitektur ResNet50
mampu memberikan performa klasifikasi yang baik dengan akurasi yang mencapai 91% dengan metrik
accuracy sebesar 89%, dalam mendeteksi dan mengklasifikasikan penyakit kanker kulit. Sistem yang
dikembangkan diharapkan dapat menjadi alat bantu awal bagi masyarakat dalam mengenali jenis
penyakit kanker kulit secara dini dalam proses diagnosis, khususnya di wilayah dengan keterbatasan
akses layanan kesehatan.
| Item Type: | Thesis (S1) |
|---|---|
| Uncontrolled Keywords: | Kanker Kulit, Convolutional Neural Network, Deep Learning, Klasifikasi Citra, ResNet50 |
| Subjects: | Teknik Informatika > Soft Computing |
| Divisions: | Fakultas Teknologi Industri > Teknik Informatika |
| Date Deposited: | 20 Nov 2026 04:06 |
| Last Modified: | 20 Nov 2026 04:06 |
| URI: | https://repository.uajy.ac.id/id/eprint/38246 |
