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

[thumbnail of Teknik Informatika_32601900021_fullpdf.pdf] Text
Teknik Informatika_32601900021_fullpdf.pdf
| Download (3MB)
[thumbnail of Teknik Informatika_32601900021_pernyataan_publikasi.pdf] 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.

Dosen Pembimbing: MULYONO, SRI and GHUFRON, GHUFRON | nidn0626066601, nidn0602079005
Item Type: Thesis (Undergraduate)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 3 UNISSULA
Date Deposited: 19 Oct 2023 02:32
Last Modified: 19 Oct 2023 02:32
URI: https://repository.unissula.ac.id/id/eprint/32033

Actions (login required)

View Item View Item