Klasifikasi Jenis Tumor Kulit menggunakan Algoritma Convolutional Neural Network dengan Transfer Learning (Studi Kasus : Penyakit Tumor Kulit Jinak, Ganas, dan Kulit Non-Tumor)

Abstract

Mengklasifikasikan tumor kulit jinak (benign), ganas (malignant), dan kulit non-tumor adalah sesuatu yang penting khususnya bagi penderita dan para tenaga medis. Mengetahui jenis tumor kulit yang diderita sedini mungkin, dapat mencegah supaya tumor tidak semakin parah dan dapat mengurangi kemungkinan kematian. Untuk mengetahui keberadaan tumor pada kulit penderita secara medis, dibutuhkan biaya yang sangat mahal. Dengan adanya teknologi yang dapat mengklasifikasikan tumor kulit jinak, ganas, dan kulit non-tumor, dapat membantu penderita dan para tenaga medis untuk mengetahui jenis tumor kulit apa yang diderita supaya dapat segera diatasi. Dalam penelitian ini, penulis menggunakan salah satu teknologi deep learning yaitu Convolutional Neural Network transfer learning (model arsitektur MobileNetV2, VGG16, dan VGG19). Metode tersebut dibandingkan dengan CNN untuk dilihat nilai akurasi yang diperoleh dalam mengklasifikasikan tumor kulit tersebut. Peneliti mendapatkan nilai akurasi dari data testing untuk metode CNN yaitu 62.22%, CNN transfer learning model arsitektur MobileNetV2 sebesar 93.89%, VGG16 sebesar 88.89%, dan VGG19 sebesar 90%. Metode terbaik yaitu MobileNetV2 yang memiliki nilai akurasi tertinggi. Metode tersebut digunakan untuk memprediksi 7 gambar di dalam dataset dan 7 gambar di luar dataset. Prediksi tersebut menghasilkan nilai probabilitas diprediksi benar dari 7 gambar di dalam dataset yaitu: 95.41%, 99.05%, 99.94%, 99.55%, 99.88%, 96.94%, 99.92%. Sedangkan, dari 7 gambar di luar dataset yaitu: 90.34%, 95.25%, 99.99%, 99.01%, 99.45%, 96.46%, 99.78%.