Segmentasi dan Klasifikasi Gambar Citra pada Kanker Kulit Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur ResNet-50
Main Article Content
Abstract
Kanker Kulit merupakan salah satu jenis kanker yang angka kejadiannya terus meningkat di seluruh dunia. Deteksi dini dan akurat sangat penting untuk meningkatkan peluang kesembuhan. Pada penelitian ini, mengembangkan sebuah sistem berbasis Convolutional Neural Network (CNN) dengan menggunakan arsitektur ResNet-50 untuk segmentasi dan klasifikasi gambar citra kanker kulit. Metode ini dipilih karena ResNet-50 memiliki kemampuan dalam mengatasi masalah degradasi akurasi pada jaringan yang sangat dalam melalui penggunaan residual learning. Penelitian ini melibatkan beberapa tahap utama, yaitu pengumpulan dan preprocessing data, pelatihan model CNN dengan arsitektur ResNet-50, serta evaluasi performa model. Data yang digunakan diambil dari Kaggle “Melanoma Skin Cancer Dataset Of 10000 Images” memiliki data sebanyak 10615 gambar didalamnya dibagi menjadi 2 kelas yaitu citra Malignant dan Benign. Preprocessing data meliputi augmentasi gambar dan normalisasi untuk meningkatkan kualitas data dan kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi tinggi dalam segmentasi dan klasifikasi gambar citra kanker kulit. Model ResNet-50 yang dilatih dalam penelitian ini berhasil mencapai akurasi sebesar 92.00%, precision 92%, recall 92%, dan F1-score 92% pada dataset pengujian. Temuan ini menunjukkan bahwa pendekatan berbasis CNN dengan arsitektur ResNet-50 efektif untuk tugas segmentasi dan klasifikasi kanker kulit, dan memiliki potensi besar untuk diterapkan dalam sistem diagnostik berbasis komputer di bidang medis.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
T. R. Savera, W. H. Suryawan, and A. W. Setiawan, “Deteksi Dini Kanker Kulit Menggunakan K-NN dan Convolutional Neural Network,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 2, pp. 373–378, 2020, doi: 10.25126/jtiik.202072602.
Kementerian Kesehatan, “Riset Kesehatan Dasar,” Kementerian Kesehatan RI .
A. Foeady Zoebad, “Sistem Klasifikasi Kanker Kulit Berdasarkan Data Citra Dermoscopic Dengan Menggunakan Metode Deep Extreme Learning Machine,” Universitas Islam Negeri Sunan Ampel Surabaya, 2019.
A. Ciptaningrum, “Segmentasi Lesi Kulit Pada Citra Dermoskopi Menggunakan CNN,” Departemen Teknik Elektro Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember, 2021.
K. K. Rekayasa, R. R. Saputro, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Kanker Kulit Menggunakan Metode Convolutional Neural Network (Studi Kasus: Melanoma),” Journal of Dinda Data Institut Teknologi Telkom Purwokerto, vol. 2, no. 1, pp. 52–57, 2022.
S. R. Waheed et al., “Melanoma Skin Cancer Classification based on CNN Deep Learning Algorithms,” Malaysian Journal of Fundamental and Applied Sciences, vol. 19, no. 3, pp. 299–305, Jan. 2023, doi: 10.11113/mjfas.v19n3.2900.
Q. Aina Fitroh, “Deep Transfer Learning untuk Meningkatkan Akurasi Klasifikasi pada Citra Dermoskopi Kanker Kulit,” JURNAL NASIONAL TEKNIK ELEKTRO DAN TEKNOLOGI INFORMASI, vol. 12, no. 2, 2023.
B. Mitra Sujatmiko et al., “Convolution Neural Network Dengan Desain Jaringan Resnet Sebagai Metode Klasifikasi Tumor Kulit Convolution Neural Network Using Resnet Network Design As Skin Tumor Classification Method,” Jurnal Simantec, vol. 11, no. 1, 2022.
S. Devaraneni, “Melanoma Detection Based On Deep Learning Melanoma Detection Based On Deep Learning Networks Networks,” California State University, 2023, [Online]. Available: https://scholarworks.lib.csusb.edu/etd
A. Shah et al., “A comprehensive study on skin cancer detection using artificial neural network (ANN) and convolutional neural network (CNN),” Clinical eHealth, vol. 6. KeAi Communications Co., pp. 76–84, Dec. 01, 2023. doi: 10.1016/j.ceh.2023.08.002.
Alyyu Nur, Fuadah Nur R.Y, and Caecar Pratiwi Kumalasari N, “Klasifikasi Kanker Kulit Ganas Dan Jinak Menggunakan Metode Convolutional Neural Network,” e-Proceeding of Engineering, vol. 8, no. 6, 2022, [Online]. Available: https://www.kaggle.com/fanconic/skin-cancer-
H. Akbar, “Klasifikasi Kanker Serviks Menggunakan Model Convolutional Neural Network (ALEXNET),” Jurnal Informatika dan Komputer) Akreditasi KEMENRISTEKDIKTI, vol. 4, no. 1, 2021, doi: 10.33387/jiko.
T. Saputra, M. Ezar, and A. Rivan, “Klasifikasi Jenis Kanker Kulit Benign Dan Malignant Menggunakan Model Arsitektur ALEXNET,” MDP Student Conference, vol. 2, no. 1, 2023.
H. M. JAVID, “Melanoma Skin Cancer Dataset of 10000 Images,” Kaggle.
E. S. Nugroho and Y. E. Anggraini, “Review Teknik Segmentasi Pada Deteksi Kanker Kulit (Melanoma),” 2018. [Online]. Available: http://jurnal.pcr.ac.id
F. Royana, P. Yuniar Maulida, R. Nurul Hasanah, and S. Setia Rahayu, “Aplikasi Mobile Deteksi Dini Kanker Kulit Berdasarkan Image Processing | 100,” Jurnal Litbang Edusaintech, vol. 2, no. 2, pp. 100–106, 2021, [Online]. Available: http://journal.pwmjateng.com/index.php/jle
R. Yohannes and A. E. M. Rivan, “Klasifikasi Jenis Kanker Kulit Menggunakan CNN-SVM,” Jurnal Algoritme, vol. 2, no. 2, pp. 133–144, 2022.
M. Rafly Alwanda, R. Putra, K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” 2020.
S. Saha, “A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way,” Towards Data Science.
M. Ezar Al Rivan and K. Kunci, “Klasifikasi Jenis Kanker Kulit Manusia Menggunakan Convolutional Neural Network,” MDP Student Conference (MSC), vol. 2, no. 1, 2023.
T. Elizabeth, “Klasifikasi Lesi Benign Dan Malignant Pada Rongga Mulut Menggunakan Arsitektur ResNet50,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 4, pp. 2407–4322, 2023, [Online]. Available: http://jurnal.mdp.ac.id