digilib@itb.ac.id +62 812 2508 8800

COVER Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

BAB 1 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

BAB 2 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

BAB 3 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

BAB 4 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

BAB 5 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

PUSTAKA Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan

Kanker kulit adalah salah satu jenis penyakit kanker yang paling umum ditemui di dunia. Penyakit ini memiliki ketergantungan yang tinggi dengan kecepatan dan keakuratan diagnosis untuk dapat disembuhkan. Saat keterlambatan perawatan terjadi, kanker kulit sulit dilawan dan dapat berakhir pada kematian. Saat ini, diagnosis umum dilakukan dengan dermatoscope, namun harga dan akses sering kali menjadi kendala sehingga solusi ini belum cukup efektif pada masyarakat. Dengan semakin berkembangangnya teknologi, terutama pada bidang machine kearning dan computer vision, sistem dermoscopy dapat direplikasi sehingga dapat lebih mudah di akses dengan smartphone atau komputer pribadi yang umum dimiliki banyak orang. Pada tugas akhir ini, dibangun sebuah sistem untuk mendeteksi kanker kulit yang mudah diakses oleh masyarakat. Seorang pasien dapat mengambil sendiri foto kulit yang diindikasikan terkena kanker kulit. Kemudian pasien tersebut dapat mengirimkan gambar fotonya melalui website yang dibangun yang telah dibangun pada tugas akhir ini. Selanjutnya, sistem akan melakukan analisis terhadap gambar tersebut menggunakan machine learning untuk mengklasifikasikan jenis kanker kulit yang dideritanya. Dengan sistem ini, maka teknologi dapat lebih mudah diakses, baik oleh pasien maupun tenaga kesehatan dengan cepat dan mudah, yang mana diharapkan dapat mendorong agar perawatan lebih cepat untuk dilakukan. Kontribusi dari penelitian ini adalah telah dibangunnya sistem klasifikasi penyakit kanker kulit dengan model support vector machine. Dari hasil pengukuran, kinerja SVM paling baik dibandingkan dengan model klasifikasi machine learning lain, seperti decision tree, random forest dan ANN. Model SVM memiliki akurasi dan f1- score keseluruhan 78%. Performa sistem untuk setiap kategori kanker kulit memperlihatkan nilai f1-score yang didapat adalah 92% untuk melanoma, 75% untuk basal cell carcinoma dan 56% untuk squamous cell carcinoma.