Rancang Bangun Model Klasifikasi Kanker Kulit Menggunakan Convolutional Neural Network (CNN) VGG16

Alifia Mustika Sari

Abstract


Kulit adalah organ tubuh terbesar yang menyumbang sekitar 15% dari total berat badan orang dewasa. Sebagai lapisan terluar tubuh, kulit berfungsi sebagai garis pertahanan pertama terhadap rangsangan eksternal, termasuk cedera, patogen, paparan radiasi UV, dan bahan kimia yang merusak, menjadikannya bagian tubuh yang paling rentan namun vital dalam melindungi tubuh. Kulit terdiri dari tiga lapisan utama yaitu lapisan kulit terluar (epidermis), lapisan kulit dibawah epidermis (lapisan dermis), lapisan kulit terdalam (hipodermis). Kanker kulit adalah salah satu jenis kanker yang paling umum terjadi di dunia. Pada tahun 2020, kanker kulit menyumbang sekitar 1,5 juta dari total 9,9 juta kematian akibat kanker secara global. Tingginya angka kematian kasus kanker kulit diakibatkan penderita yang memeriksakan diri setelah memasuki tahap stadium akhir sehingga penanganan menjadi kurang optimal dan berakhir kematian. Kanker kulit dapat disembuhkan dengan penanganan yang tepat. Data yang digunakan berasal dari Harvard Dataverse yang terdiri dari lima label yaitu mel, nv, bcc, akiec, dan bkl. Convolutional Neural Network (CNN) digunakan dalam pendeteksian dini lima jenis kanker kulit. Model dibangun dengan arsitektur VGG-16 dengan fungsi optimizer RMSProp. Hasil pengujian menunjukkan VGG-16 dengan optimizer RMSProp perlu dilakukan perbaikan dalam peningkatan akurasi dikarenakan hanya mendapatkan berturut-turut accuracy, presisi, recall, dan f1-score sebesar 61,56%, 63,67%, 61,56%, dan 62,07% yang menandakan bahwa model cukup mampu untuk dapat melakukan klasifikasi lima jenis kanker kulit pada 13 dari 15 data uji dengan benar.

References


Alzubaidi, L., Zhang, J., Humaidi, A. J., Al-Dujaili, A., Duan, Y., Al-Shamma, O., Santamaría, J., Fadhel, M. A., Al-Amidie, M., & Farhan, L. (2021). Review of deep learning: concepts, CNN architectures, challenges, applications, future directions. Journal of Big Data, 8(1). https://doi.org/10.1186/s40537-021-00444-8

Arsal, M., Agus Wardijono, B., & Anggraini, D. (2020). Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN. Jurnal Nasional Teknologi dan Sistem Informasi, 6(1), 55–63. https://doi.org/10.25077/teknosi.v6i1.2020.55-63

Banachewicz, K., & Massaron, L. (2022). The Kaggle Book: Data analysis and machine learning for competitive data science. Packt. https://books.google.co.id/books?id=GAVsEAAAQBAJ&printsec=frontcover&hl=id&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false

GoodStats. (2022, November 5). Mengulik Perkembangan Penggunaan Smartphone di Indonesia. GoodStats. https://goodstats.id/article/mengulik-perkembangan-penggunaan-smartphone-di-indonesia-sT2LA

Guntoro, I., Midyanti, D. M., & Hidayati, R. (2022). Penerapan Dropout pada Jaringan Saraf Tiruan Backpropagation Dalam Mengklasifikasi Tingkat Fine Fuel Moisture Code (FFMC) Untuk Kebakaran Hutan Dan Lahan. Jurnal Komputer dan Aplikasi, 10(1), 114–123.

Hamsy Romario, M., Ihsanto, E., & Maya Kadarina, T. (2020). Sistem Hitung Dan Klasifikasi Objek Dengan Metode Convolutional Neural Network. Jurnal Teknologi Elektro, Universitas Mercu Buana , 11(2), 108.

KemenKes. (2023, Februari 8). Satukan Kata dan Langkah #CloseThe CareGap. KemenKes. https://yankes.kemkes.go.id/view_artikel/2118/

Montesinos López, O. A., Montesinos López, A., & Crossa, J. (2022). Convolutional Neural Networks. Dalam Multivariate Statistical Machine Learning Methods for Genomic Prediction (hlm. 533–577). Springer International Publishing. https://doi.org/10.1007/978-3-030-89010-0_13

Naqvi, M., Gilani, S. Q., Syed, T., Marques, O., & Kim, H. C. (2023). Skin Cancer Detection Using Deep Learning—A Review. Diagnostics, 13(11). https://doi.org/10.3390/diagnostics13111911

Nelson, N. (2023). Implementasi Siamese Convolutional Neural Network pada Citra Jerawat untuk Klasifikasi Jenis Jerawat [Informatika, Universitas Multimedia Nusantara]. https://kc.umn.ac.id/id/eprint/25550

Orlando, O., & Al Rivan, M. E. (2023). Klasifikasi Jenis kanker Kulit Manusia Menggunakan Convolution Neural Network. MDP Student Conference, 2(1), 144–150. https://doi.org/10.35957/mdp-sc.v2i1.4335

Palupi Rini, D., Primanita, A., & Saputra, T. (2024). Klasifikasi Kanker Payudara Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur VGG-16. Jurnal Sistem Komputer dan Informatika (JSON) Hal: 529−, 537(3). https://doi.org/10.30865/json.v5i3.7553

Pardede, J., & Putra, D. A. L. (2020). Implementasi DenseNet Untuk Mengidentifikasi Kanker Kulit Melanoma. Jurnal Teknik Informatika dan Sistem Informasi, 6(3). http://dx.doi.org/10.28932/jutisi.v6i3.2814

Purwono, Ma’arif, A., Rahmaniar, W., Fathurrahman, H. I. K., Frisky, A. Z. K., & Haq, Q. M. U. (2022). Understanding of Convolutional Neural Network (CNN): A Review. International Journal of Robotics and Control Systems, 2(4), 739–748. https://doi.org/10.31763/ijrcs.v2i4.888

Qiu, L., Zhang, D., & Tian, Y. (2021). Deep learning-based algorithm for vehicle detection in intelligent transportation systems. The Journal of Supercomputing, 4, 77–77. https://www.researchgate.net/publication/350168397_Deep_learning-based_algorithm_for_vehicle_detection_in_intelligent_transportation_systems

Raup, A., Ridwan, W., Khoeriyah, Y., Supiana, & Zaqiah, Q. Y. (2022). Deep Learning dan Penerapannya dalam Pembelajaran. JIIP (Jurnal Ilmiah Ilmu Pendidikan), 5(9), 3258–3267. https://www.jiip.stkipyapisdompu.ac.id/jiip/index.php/JIIP/article/view/805/776

Sa’idah, S., Putu, I., Nugraha Suparta, Y., & Suhartono, E. (2022). Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit. Jurnal Nasional Teknik Elektro dan Teknologi Informasi |, 11(2). https://pdfs.semanticscholar.org/58e6/afa17cae749c337b455c2435a8e292287856.pdf

Sa’idah, S., Putu, I., Nugraha Suparta, Y., & Suhartono, E. (2022b). Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit. Jurnal Nasional Teknik Elektro dan Teknologi Informasi |, 11(2). https://pdfs.semanticscholar.org/58e6/afa17cae749c337b455c2435a8e292287856.pdf

Silalahi, R. N. P. (2020). Aplikasi Klasifikasi Deteksi Jenis Pisang Dan Kematangan Buah Pisang Berbasis Android [Teknik Informatika, Universitas Komputer Indonesia]. https://elibrary.unikom.ac.id/id/eprint/4134/

Tarisa, R. E. dwi, Rustam, R., & Elmatris. (2022). Hubungan Jenis Pekerjaan dengan Kanker Kulit di RSUP Dr. M. Djamil Padang Tahun 2015-2020. Indonesian Journal of Health Science, 3(1), 67–73. https://www.researchgate.net/publication/339699984_Studi_Retrospektif_Kanker_Kulit_di_Poliklinik_Ilmu_Kesehatan_Kulit_dan_Kelamin_RS_Dr_M_Djamil_Padang_Periode_Tahun_2015-2017

Umam Wiranda, C. (2024). Pengembangan Aplikasi Mobile Android untuk Deteksi Otomatis Mata Katarak Menggunakan CNN dan Tensorflow. Jurnal Kendali Teknik dan Sains, 2(3), 128–140. https://doi.org/10.59581/jkts-widyakarya.v2i3.3722

Yohannes, R., & Al Rivan, M. E. (2022). Klasifikasi Jenis Kanker Kulit Menggunakan CNN-SVM. Jurnal Algoritme, 2(2), 133–144.

Yousef, H., Alhajj, M., Fakoya, A. O. F., & Sharma, S. (2024). Anatomy, Skin (Integument), Epidermis. StatPearls. https://www.ncbi.nlm.nih.gov/books/NBK470464/

Zidarič, T., Kleinschek, K. S., Maver, U., & Maver, T. (2023). Skin Physiology and Function. Dalam SpringerBriefs in Molecular Science (hlm. 5–9). Springer, Cham. https://doi.org/https://doi.org/10.1007/978-3-031-21298-7_2

Zschech, P., Sager, C., Siebers, P., & Pertermann, M. (2021). Mit Computer Vision zur automatisierten Qualitätssicherung in der industriellen Fertigung: Eine Fallstudie zur Klassifizierung von Fehlern in Solarzellen mittels Elektrolumineszenz-Bildern. HMD Praxis der Wirtschaftsinformatik, 58(2), 321–342. https://doi.org/10.1365/s40702-020-00641-8


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  senatik@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.