PASARIBU, Simon Gabriel (2025) Klasifikasi Kanker Kulit Melanoma Menggunakan Metode Convolutional Neural Network Dengan Arsitektur EfficientNet V2. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (75kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (142kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (159kB)
	Text 5. KATA PENGANTAR.pdf Download (243kB)
	Text 7. ABSTRAK.pdf Download (176kB)
	Text 8. ABSTRACT.pdf Download (221kB)
	Text 9. DAFTAR ISI.pdf Download (1MB)
	Text 12. BAB I PENDAHULUAN.pdf Download (924kB)

Abstract

ABSTRAK
Melanoma adalah salah satu jenis kanker kulit yang paling ganas yang menyebabkan lebih
dari 80% kematian akibat kanker kulit dan dapat menyebar dengan cepat sehingga penting
untuk mendeteksinya sejak dini guna meningkatkan peluang keselamatan pasien. Teknologi
pengenal citra berbasis deep learning, terutama dengan menggunakan Convolution Neural
Network (CNN), telah menunjukkan potensi besar dalam klasifikasi kanker kulit melanoma.
Penelitian ini mengaplikasikan arsitektur EfficientNet V2 untuk meningkatkan akurasi
klasifikasi kanker kulit melanoma dengan memfokuskan pada pengaturan parameter terbaik
melalui teknik augmentasi serta manajemen data yang optimal. Dataset yang dipakai terdiri
dari dua kelas: benign lesions (jinak) dan malignant lesions (ganas). Metode yang digunakan
dalam penelitian ini melibatkan pengolahan data awal (preprocessing data), memperbanyak
citra (augmentasi citra), serta pembentukan model dengan menggunakan arsitektur
EfficientNet V2. Hasil uji eksperimen menunjukkan bahwa penerapan model EfficientNet
V2 berhasil meraih tingkat akurasi tertinggi sebesar 96,25% dan recall sebesar 0,97 dengan
pengaturan data latih 80%, data validasi 20, data uji 2000, batch size 128, dan epoch 25.
Penelitian ini memberikan sumbangan penting dalam pengembangan teknik klasifikasi
melanoma menggunakan deep learning yang diharapkan bisa mendukung deteksi dini serta
diagnosa yang lebih tepat di bidang medis.
Kata Kunci : Kanker kulit Melanoma, Klasifikasi, EfficientNet V2, Deep learning, Epoch,
Batch size, Akurasi

Actions (login required)

View Item