Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit
Kulit merupakan organ luar terluas yang menutupi tubuh manusia. Akibat intensitas tinggi paparan lingkungan luar, kulit dapat mengalami berbagai masalah kesehatan, salah satunya adalah kanker kulit. Deteksi dini dibutuhkan agar penanganan lebih lanjut kepada pasien dapat segera dilakukan. Pemanfaata...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Gadjah Mada
2022-05-01
|
| Series: | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| Subjects: | |
| Online Access: | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/2739 |
| _version_ | 1818547162210893824 |
|---|---|
| author | Sofia Saidah I Putu Yowan Nugraha Suparta Efri Suhartono |
| author_facet | Sofia Saidah I Putu Yowan Nugraha Suparta Efri Suhartono |
| author_sort | Sofia Saidah |
| collection | DOAJ |
| description | Kulit merupakan organ luar terluas yang menutupi tubuh manusia. Akibat intensitas tinggi paparan lingkungan luar, kulit dapat mengalami berbagai masalah kesehatan, salah satunya adalah kanker kulit. Deteksi dini dibutuhkan agar penanganan lebih lanjut kepada pasien dapat segera dilakukan. Pemanfaatan artificial intelligence (AI)-based solution pada pengolahan citra kanker kulit dapat digunakan untuk mendeteksi adanya potensi kanker kulit. Pada makalah ini, dilakukan klasifikasi jenis kanker kulit jinak dan ganas dengan memanfaatkan metode convolutional neural network (CNN) arsitektur GoogLeNet. Arsitektur GoogLeNet memiliki keunggulan dengan adanya inception module yang memungkinkan proses konvolusi dan pooling berjalan secara paralel, yang dapat memperpendek waktu komputasi, sehingga mempercepat proses klasifikasi tanpa mengurangi akurasi sistem. Penelitian ini terdiri atas beberapa tahapan, dimulai dengan akusisi data sejumlah enam ratus data citra kanker kulit yang diperoleh dari situs Kaggle.com, kemudian dilakukan penyeragaman ukuran masukan serta pemanfaatan dull razor filtering untuk mengurangi derau citra masukan akibat rambut-rambut halus yang tumbuh di sepanjang epidermis kulit. Setelah proses preprocessing selesai dilakukan, arsitektur GoogLeNet memproses masukan citra, lalu mengklasifikasikan masukan ke dalam kategori kanker kulit jinak (benign) atau kanker kulit ganas (malignant). Kinerja sistem kemudian diuji dengan parameter kinerja, seperti presisi, recall, dan f-1 score, serta dibandingkan dengan metode serupa. Sistem berhasil memperoleh hasil yang memuaskan, di antaranya adalah akurasi 97,73% dan loss 1,7063. Sementara itu, untuk parameter presisi, recall, dan f-1 score, masing-masing diperoleh nilai rata-rata 0,98. Kinerja sistem yang diusulkan berhasil mendapatkan akurasi yang lebih baik dibandingkan dengan penelitian terdahulu dengan penggunaan dataset yang jauh lebih sedikit. Hasil pengujian ini menunjukkan bahwa metode CNN mampu melakukan deteksi dan klasifikasi pada kanker kulit secara akurat, sehingga diharapkan metode ini dapat membantu pekerja medis dalam melakukan diagnosis kepada masyarakat luas. |
| first_indexed | 2024-12-12T08:03:01Z |
| format | Article |
| id | doaj.art-50f8ed14f1d5487b9aa1a2f6dc9617b8 |
| institution | Directory Open Access Journal |
| issn | 2301-4156 2460-5719 |
| language | English |
| last_indexed | 2024-12-12T08:03:01Z |
| publishDate | 2022-05-01 |
| publisher | Universitas Gadjah Mada |
| record_format | Article |
| series | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| spelling | doaj.art-50f8ed14f1d5487b9aa1a2f6dc9617b82022-12-22T00:32:03ZengUniversitas Gadjah MadaJurnal Nasional Teknik Elektro dan Teknologi Informasi2301-41562460-57192022-05-0111214815310.22146/jnteti.v11i2.27392739Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker KulitSofia Saidah0I Putu Yowan Nugraha Suparta1Efri Suhartono2Telkom UniversityTelkom UniversityTelkom UniversityKulit merupakan organ luar terluas yang menutupi tubuh manusia. Akibat intensitas tinggi paparan lingkungan luar, kulit dapat mengalami berbagai masalah kesehatan, salah satunya adalah kanker kulit. Deteksi dini dibutuhkan agar penanganan lebih lanjut kepada pasien dapat segera dilakukan. Pemanfaatan artificial intelligence (AI)-based solution pada pengolahan citra kanker kulit dapat digunakan untuk mendeteksi adanya potensi kanker kulit. Pada makalah ini, dilakukan klasifikasi jenis kanker kulit jinak dan ganas dengan memanfaatkan metode convolutional neural network (CNN) arsitektur GoogLeNet. Arsitektur GoogLeNet memiliki keunggulan dengan adanya inception module yang memungkinkan proses konvolusi dan pooling berjalan secara paralel, yang dapat memperpendek waktu komputasi, sehingga mempercepat proses klasifikasi tanpa mengurangi akurasi sistem. Penelitian ini terdiri atas beberapa tahapan, dimulai dengan akusisi data sejumlah enam ratus data citra kanker kulit yang diperoleh dari situs Kaggle.com, kemudian dilakukan penyeragaman ukuran masukan serta pemanfaatan dull razor filtering untuk mengurangi derau citra masukan akibat rambut-rambut halus yang tumbuh di sepanjang epidermis kulit. Setelah proses preprocessing selesai dilakukan, arsitektur GoogLeNet memproses masukan citra, lalu mengklasifikasikan masukan ke dalam kategori kanker kulit jinak (benign) atau kanker kulit ganas (malignant). Kinerja sistem kemudian diuji dengan parameter kinerja, seperti presisi, recall, dan f-1 score, serta dibandingkan dengan metode serupa. Sistem berhasil memperoleh hasil yang memuaskan, di antaranya adalah akurasi 97,73% dan loss 1,7063. Sementara itu, untuk parameter presisi, recall, dan f-1 score, masing-masing diperoleh nilai rata-rata 0,98. Kinerja sistem yang diusulkan berhasil mendapatkan akurasi yang lebih baik dibandingkan dengan penelitian terdahulu dengan penggunaan dataset yang jauh lebih sedikit. Hasil pengujian ini menunjukkan bahwa metode CNN mampu melakukan deteksi dan klasifikasi pada kanker kulit secara akurat, sehingga diharapkan metode ini dapat membantu pekerja medis dalam melakukan diagnosis kepada masyarakat luas.https://jurnal.ugm.ac.id/v3/JNTETI/article/view/2739akurasicnnf-1 scoregooglenetkanker kulitlossprecisionrecall |
| spellingShingle | Sofia Saidah I Putu Yowan Nugraha Suparta Efri Suhartono Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit Jurnal Nasional Teknik Elektro dan Teknologi Informasi akurasi cnn f-1 score googlenet kanker kulit loss precision recall |
| title | Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit |
| title_full | Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit |
| title_fullStr | Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit |
| title_full_unstemmed | Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit |
| title_short | Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit |
| title_sort | modifikasi convolutional neural network arsitektur googlenet dengan dull razor filtering untuk klasifikasi kanker kulit |
| topic | akurasi cnn f-1 score googlenet kanker kulit loss precision recall |
| url | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/2739 |
| work_keys_str_mv | AT sofiasaidah modifikasiconvolutionalneuralnetworkarsitekturgooglenetdengandullrazorfilteringuntukklasifikasikankerkulit AT iputuyowannugrahasuparta modifikasiconvolutionalneuralnetworkarsitekturgooglenetdengandullrazorfilteringuntukklasifikasikankerkulit AT efrisuhartono modifikasiconvolutionalneuralnetworkarsitekturgooglenetdengandullrazorfilteringuntukklasifikasikankerkulit |