Perpustakaan Digital ITB

Kanker kulit merupakan salah satu penyakit dengan jumlah kasus yang terus bertambah seiring waktu. Kanker kulit disebabkan oleh terjadinya mutasi DNA pada sel di dalam tubuh.Walaupun kanker kulit dapat terlihat kasatmata, banyak orang yang tidak dapat membedakan antar kanker kulit dan kondisi kulit lainnya. Di dalam dunia medis, dokter akan melakukan pemeriksaan secara fisik untuk memeriksa kanker kulit. Metode alternatif yang dapat dilakukan jika dokter untuk melakukan pemeriksaaan sel kanker adalah biopsi. Namun, biopsi membutuhkan waktu yang tidak singkat. Terlebih lagi, dokter dapat salah mendiagnosis. Sehingga, perlu metode lain yang dapat meningkatkan kecepatan dan keakuratan dokter dalam memberikan diagnosis kepada pasien. Pada penelitian ini, dibuat model berbasis deep learning untuk meningkatkatkan kecepatan dan keakuratan dokter dalam memberikan diagnosis berupa convolutional neural network, yakni model yang didesain untuk memproses dan menganalisis data visual seperti gambar. Jenis model pada penelitian ini dapat dibagi menjadi tiga, yakni model yang dirancang sendiri, Residual Network (ResNet), dan Densely Connected Convolutional Networks (DenseNet). Dalam pembuatan model, penggunaan parameter dan arsitektur akan divariasikan untuk mencari model terbaik dan dampak parameter terhadap model. Hasil penelitian menunjukkan bahwa penggunaan parameter berpengaruh terhadap model yang dihasilkan. Dari model yang telah dibuat, dipilih model DenseNet169-F dengan ukuran batch 16 sebagai model terbaik untuk melakukan klasifikasi terhadap kanker kulit.