TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints81076
UR  - http://digilib.unila.ac.id/81076/
A1  - Safiira Rahmah, Linisa
Y1  - 2024/10/23/
N2  - 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

PB  - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TI  - EVALUASI KINERJA BERBAGAI METODE MACHINE LEARNING
PADA KLASIFIKASI KANKER KULIT
AV  - restricted
ER  -