ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulKlasifikasi Penyakit Kanker Kulit Menggunakan Algoritma Convolutional Neural Network (CNN) Dengan Arsitektur Googlenet |
| Nama: ANDRIAR MIKAHRUN |
| Tahun: 2024 |
| Abstrak KLASIFIKASI PENYAKIT KANKER KULIT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORKS (CNN) DENGAN ARSITEKTUR GOOGLNET Tujuan penelitian ini adalah mengimplementasikan algoritma CNN dengan arsitektur GoogleNet untuk mengklasifikasikan citra kanker kulit. Objek pada penelitian ini adalah klasifikasi kanker kulit dengan berdasarkan keganasan kanker tersebut sedangkan Data yang digunakan oleh peneliti adalah data yang bersumber dari The International Skin Imaging Collaboration (ISIC). Metode yang digunakan peneliti adalah Algoritma Convolutional Neural Networks (CNN) Dengan Arsitektur Googlenet Inception V3. Pada data training dilakukan pembelajaran fitur, klasifikasi, dan optimum model, dimana proses ini merupakan implementasi algoritma yang digunakan.. skenario pengujian dengan indikator skenario pengujian yaitu pembagian data training 70%, 80%, dan 90% , inisialisasi Dropout layer bernilai 0.5, 0.6, dan 0.7, dan 0,8 dan Batchsize bernilai 8, 16, 32, 64. Kesimpulan dari Penelitian ini mendapatkan nilai akurasi 83.22?ri komposisi data Taining 80%, Dropout 0.4 dan Batchsize 16. Kata kunci : Klasifikasi, InceptionV3, CNN, Kanker Kulit, Deep Learning. This research aims to classify skin cancer images into seven categories using a Convolutional Neural Network (CNN) with GoogleNet architecture. Data from The International Skin Imaging Collaboration (ISIC) was used to train the model. The training process involved feature learning and classification to optimize the model for accurate cancer detection. Researchers tested different training data splits (70%, 80%, 90%) and hyperparameter settings (dropout rate, batch size) to achieve the best performance. Ultimately, the model achieved an accuracy of 83.22% with an 80% training split, dropout of 0.4, and a batch size of 16. This research demonstrates the potential of CNNs with GoogleNet architecture for skin cancer classification with multi-class differentiation.. Keyword : Classification, InceptionV3, CNN, Skin Cancer, Deep Learning |