Artikel Ilmiah : H1A018069 a.n. MUHAMMAD ARIF FAHRUDIN
| NIM | H1A018069 |
|---|---|
| Namamhs | MUHAMMAD ARIF FAHRUDIN |
| Judul Artikel | PENGARUH PERBEDAAN RUANG WARNA PADA DATASET HAM10000 SEBAGAI MASUKAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI KANKER KULIT |
| Abstrak (Bhs. Indonesia) | Salah satu kanker paling berbahaya di antara jenis kanker lain yaitu kanker kulit yang mana disebabkan oleh pembelahan sel yang tidak normal. Kanker kulit diklasifikasikan berdasarkan jenisnya, yaitu melanoma dan non-melanoma. Tergantung pada jenis asalnya, lesi sel melanoma termasuk melanoma dan melanomatik nevus. Demikian pula, lesi nonmelanoma termasuk karsinoma sel basal, keratosis , neoplasma dermal, lesi vaskular, dan keratosis jinak. Convolutional Neural Network (CNN) lebih baik dalam mengklasifikasi kanker kulit. Dokter kulit yang melakukan pemeriksaan visual pada kanker kulit memiliki akurasi 60% - 80%. Terdapat berbagai ruang warna alternatif yang dapat membantu meningkatkan kinerja CNN. Model arsitektur klasifikasi dibuat sendiri menggunakan MobileNetV2. Dengan bantuan modul OpenCV dilakukan konversi dimensi warna dari RGB ke HSV, YCrCB, XYZ, greyscale. Ditinjau dari test data didapatkan hasil terbaik pada ruang warna RGB ukuran data 224x224 dengan nilai akurasi sebesar 0.9511 serta didapatkan hasil paling rendah yaitu pada ruang warna greyscale ukuran data 32x32 dengan nilai akurasi sebesar 0.6824. Ruang warna RGB, HSV, XYZ, YcbCr dan greyscale nilai dari accuracy, precision dan recall memiliki nilai yang sama atau mendekati pada setiap ruang warna. Model dengan ukuran data 224x224 memiliki akurasi yang lebih baik dibandingkan dengan model dengan ukuran data 32x32. |
| Abtrak (Bhs. Inggris) | One of the most dangerous cancers among other types of cancer is skin cancer which is caused by abnormal cell division. Skin cancer is classified according to its type, namely melanoma and non-melanoma. Depending on the type of origin, melanoma cell lesions include melanoma and melanomatic nevus. Similarly, non-melanoma lesions include basal cell carcinoma, activated keratosis, dermal neoplasms, vascular lesions, and benign keratosis. Convolutional Neural Network (CNN) is better at classifying skin cancer. Dermatologists who perform visual examinations of skin cancer have an accuracy of 60% - 80%. There are various alternative color spaces that can help improve CNN performance. The classification architecture model was created using MobileNetV2. With the help of the OpenCV module, the color dimension conversion is carried out from RGB to HSV, YCrCB, XYZ, greyscale. From the test data, the best results are obtained in the RGB color space with a data size of 224x224 with an accuracy value of 0.9511 and the lowest result is obtained, namely in the grayscale color space, the data size 32x32 with an accuracy value of 0.6824. Color space RGB, HSV, XYZ, YcbCr and greyscale values of accuracy, precision and recall have the same or close values in each color space. The model with a data size of 224x224 has better accuracy than the model with a data size of 32x32. |
| Kata kunci | CNN, MobileNetV2, Ruang Warna, Kanker Kulit |
| Pembimbing 1 | Azis Wisnu Widhi Nugraha, S.T., M.Eng, |
| Pembimbing 2 | Hesti Susilawati, S.T., M.T |
| Pembimbing 3 | |
| Tahun | 2022 |
| Jumlah Halaman | 15 |
| Tgl. Entri | 2022-08-10 10:37:42.325099 |