DETEKSI KANKER KULIT MELANOMA MENGGUNAKAN MOBILENETV2 CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID

ROZI, MUHAMMAD FARIS FAHRU (2023) DETEKSI KANKER KULIT MELANOMA MENGGUNAKAN MOBILENETV2 CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID. Undergraduate thesis, UNIVERSITAS ISLAM SULTAN AGUNG.

	Text Teknik Informatika_32601900021_fullpdf.pdf Download (3MB)
	Text Teknik Informatika_32601900021_pernyataan_publikasi.pdf Restricted to Registered users only Download (150kB)

Abstract

Melanoma adalah jenis kanker kulit yang paling ganas dan berpotensi menyebabkan kematian jika tidak segera terdeteksi dan ditangani sejak dini. Oleh karena itu, pengembangan sistem untuk mendeteksi kanker kulit melanoma sangat penting dalam upaya deteksi dini penyakit tersebut. Pengembangan sistem deteksi penyakit kanker kulit melanoma menggunakan arsitektur MobileNetV2 Convolutional Neural Network yang direpresentasikan pada sistem berbasis android. Arsitektur MobileNetV2 dipilih karena kemampuannya untuk mencapai akurasi tinggi dalam klasifikasi citra dengan ukuran model yang relatif kecil. Untuk mendapatkan performa model terbaik, dilakukan beberapa percobaan konfigurasi yang berbeda. Beberapa konfigurasi yang dieksplorasi meliputi penggunaan optimizer SGD, Adadelta, dan RMSprop, serta variasi jumlah epoch dalam setiap konfigurasi. Berdasarkan evaluasi model menggunakan confusion matrix, Performa model terbaik didapat pada konfigurasi 3 dengan jumlah epoch 20 dan menggunakan optimizer SGD dengan nilai accuracy sebesar 0.9309, precision sebesar 0.9805, recall sebesar 0.8792, dan f1-score sebesar 0.9270. Pengujian aplikasi menggunakan metode black box testing dengan menggunakan data pengujian dari dataset mendapatkan akurasi tertinggi mencapai 100% baik melanoma maupun non-melanoma. Kata kunci: Kanker Kulit Melanoma, MobileNetV2, Convolutional Neural Network, Confusion Matrix, Black Box Testing.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 3 UNISSULA
Date Deposited:	19 Oct 2023 02:32
Last Modified:	19 Oct 2023 02:32
URI:	http://repository.unissula.ac.id/id/eprint/32033

Actions (login required)

View Item