EVALUASI KINERJA BERBAGAI METODE MACHINE LEARNING PADA KLASIFIKASI KANKER KULIT

Safiira Rahmah, Linisa (2024) EVALUASI KINERJA BERBAGAI METODE MACHINE LEARNING PADA KLASIFIKASI KANKER KULIT. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak_Skripsi_Safiira Rahmah Linisa_2017051015.pdf Download (318Kb) | Preview
	File PDF Skripsi_Full_Safiira Rahmah Linisa_2017051015.pdf Restricted to Hanya staf Download (3886Kb) | Minta salinan
Preview	File PDF Skripsi_Tanpa Pembahasan_Safiira Rahmah Linisa_2017051015.pdf Download (2804Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Kanker kulit telah menjadi perhatian yang signifikan dan terus meningkat dalam beberapa tahun terakhir, terutama karena menipisnya lapisan ozon dan meningkatnya paparan radiasi ultraviolet yang berbahaya. Deteksi dini kanker sangat penting untuk pengobatan yang tepat waktu dan efektif, yang secara signifikan meningkatkan peluang kesembuhan. Di tengah perkembangan teknologi, penelitian ini memperkenalkan pendekatan machine learning untuk klasifikasi kanker kulit ganas dan jinak. Penelitian ini menggunakan beberapa arsitektur Convolutional Neural Network diantaranya Custom Arsitekture, Resnet50, DenseNet121 dan DenseNet169. Selain itu, menggunakan model Support Vector Machine (SVM) dengan beberapa kernel, yang menggunakan teknik ekstraksi fitur bentuk, tekstur, dan warna. Di antara model CNN, DenseNet-169, dengan optimizer SGD, mencapai akurasi rata rata tertinggi sebesar 0,8908, secara signifikan mengungguli arsitektur lainnya. Dalam SVM, kernel linear menghasilkan kinerja terbaik, dengan akurasi 0,8300. Penggunaan dataset yang seimbang dan k-vold cross validation pada model DenseNet-169 menunjukkan efektivitas yang baik dalam klasifikasi kanker kulit. Kata kunci : Machine Learning, CNN, SVM, Kanker Kulit

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2308186121 . Digilib
Date Deposited:	07 Jan 2025 05:42
Terakhir diubah:	07 Jan 2025 05:42
URI:	http://digilib.unila.ac.id/id/eprint/81076

Actions (login required)

Lihat Karya Akhir