HIDAYAT, Athiya Puteri (2025) Klasifikasi Kanker Kulit Menggunakan Convolutional Neural  Network dengan Penerapan Fine-Tuning pada Arsitektur ResNet50V2. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (33kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN.pdf Download (249kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (249kB)
	Text 4. ABSTRAK.pdf Download (8kB)
	Text 5. ABSTRACT.pdf Download (7kB)
	Text 6. KATA PENGANTAR.pdf Download (389kB)
	Text 8. DAFTAR ISI.pdf Download (40kB)
	Text 12. BAB I.pdf Download (819kB)

Abstract

Kanker kulit merupakan salah satu jenis kanker yang paling banyak ditemukan di seluruh
dunia. Deteksi dini terhadap kanker kulit sangat penting untuk meningkatkan peluang
kesembuhan pasien, namun proses ini sering kali memerlukan keahlian profesional dan
dapat memakan waktu yang lama. Oleh karena itu, diperlukan metode yang dapat
membantu dalam proses klasifikasi kanker kulit. Penelitian ini bertujuan untuk
mengklasifikasikan citra kanker kulit menggunakan arsitektur ResNet50V2 dengan
penerapan fine-tuning. Penelitian ini menggunakan arsitektur ResNet50V2 karena
memiliki performa yang baik dalam tugas klasifikasi kanker kulit. Fine-tuning diterapkan
untuk meningkatkan akurasi model dengan menyesuaikan bobot-bobot layer yang lebih
dekat dengan output untuk mempelajari fitur-fitur yang lebih spesifik terkait dataset
kanker kulit. Dalam penelitian ini, digunakan dataset ISIC 2019 yang terdiri dari citra
kanker kulit benign dan malignant. Hasil eksperimen menunjukkan bahwa model yang di
fine-tune mencapai akurasi sebesar 94,25%, yang mengindikasikan kinerja model yang
sangat baik dalam klasifikasi kanker kulit. Sebaliknya, model tanpa fine-tuning hanya
menghasilkan akurasi 90,15%. Hasil ini mengindikasikan bahwa fine-tuning sangat
berpengaruh dalam meningkatkan kinerja model dalam mengenali citra kanker kulit
dengan akurasi yang lebih tinggi.
Kata kunci : Kanker Kulit, Klasifikasi Citra, Fine-Tuning, ResNet50V2, ISIC 2019

Actions (login required)

View Item