COVER Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
BAB 1 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
BAB 2 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
BAB 3 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
BAB 4 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
BAB 5 Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
Terbatas  rikrik
» Gedung UPT Perpustakaan
PUSTAKA Al Varrel Putra Kusuma
Terbatas  rikrik
» Gedung UPT Perpustakaan
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.