Implementasi Metode Convolutional Neural Network Dan Resnet Untuk Mendiagnosis Penyakit Kanker Kulit Berbasis Website

Abstract

Abstrak— Kanker kulit merupakan sebuah penyakit yang dapat menjadi mematikan bagi pengidapnya. Kanker kulit dapat terjadi karena mutasi sel kulit yang dapat dipengaruhi oleh sinar matahari (UV A dan UV B), genetika, berkulit putih, serta imun tubuh. Diagnosis secara dini dapat menurunkan angka kematian dari pengidapnya. Maka dari itu, diperlukan sebuah sistem untuk mendiagnosisnya. Untuk mendukung diagnosis yang dilakukan metode yang digunakan adalah Convolutional Neural Network (CNN) dan ResNet50. Serta menggunakan dataset MNIST HAM-10000 yang berisi gambar dari penyakit kanker kulit. Penulis menggunakan transfer learning untuk menggabungkan 2 model yang berbeda. Tujuan dari penggabungan 2 model ini ialah untuk meningkatkan akurasi dari diagnosis penyakit kanker kulit. Tujuan dari penelitian ini ialah (1) untuk menciptakan sebuah sistem diagnosis penyakit kanker kulit berbasis website yang mana akan mempermudah para tenaga ahli dalam mendiagnosis penyakit kanker kulit dan (2) membantu masyrakat kalangan menengah kebawah untuk bisa mendiagnosis penyakit kanker kulit secara mudah dan tanpa perlu mengeluarkan biaya. Hasil dari penelitian ini mencapai akurasi pelatihan model sebesar 96,7%, loss sebesar 9,1%, val_accuracy sebesar 87,3%, val_loss sebesar 48,4%. Model yang telah dibuat ini akan dieksport kedalam sebuah format yang dapat dibaca oleh website framework yang mana nantinya akan digunakan untuk mendeteksi penyakit kanker kulit. Pengembangan website untuk diagnosis penyakit kanker kulit ini diharapkan dapat membantu para praktisi kesehatan untuk mendiagnosis penyakit kanker kulit dan dapat membantu masyarakat umum untuk mengetahui jenis penyakit kanker kulit apa yang mereka alami.

Kata kunci— : Kanker Kulit, CNN, Resnet50, Sistem Informasi, Diagnosis

Abstrack— Skin cancer is a disease that can be deadly for sufferers. Skin cancer can occur due to skin cell mutations which can be influenced by sunlight (UV A and UV B), genetics, white skin, and the body's immune system. Early diagnosis can reduce the death rate of sufferers. Therefore, a system is needed to diagnose it. To support the diagnosis, the methods used are Convolutional Neural Network (CNN) and ResNet50. And using the MNIST HAM-10000 dataset which contains images of skin cancer. The author uses transfer learning to combine 2 different models. The aim of combining these 2 models is to increase the accuracy of skin cancer diagnosis. The aim of this research is (1) to create a website-based skin cancer diagnosis system which will make it easier for experts to diagnose skin cancer and (2) help lower middle class people to be able to diagnose skin cancer easily and without the need to spend. The results of this research achieved model training accuracy of 96.7%, loss of 9.1%, val_accuracy of 87.3%, val_loss of 48.4%. The model that has been created will be exported into a format that can be read by the framework website which will later be used to detect skin cancer. It is hoped that the development of a website for diagnosing skin cancer will help health practitioners diagnose skin cancer and help the general public find out what type of skin cancer they are experiencing.

Key words— : Skin Cancer, CNN, Resnet50, Information System, Diagnose