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%.
Collections
- Statistics [926]