<![CDATA[Kanker Kulit merupakan salah satu jenis kanker yang angka kejadiannya terus meningkat di seluruh dunia. Deteksi dini dan akurat sangat penting untuk meningkatkan peluang kesembuhan. Pada penelitian ini, mengembangkan sebuah sistem berbasis Convolutional Neural Network (CNN) dengan menggunakan arsitektur ResNet-50 untuk segmentasi dan klasifikasi gambar citra kanker kulit. Metode ini dipilih karena ResNet-50 memiliki kemampuan dalam mengatasi masalah degradasi akurasi pada jaringan yang sangat dalam melalui penggunaan residual learning. Penelitian ini melibatkan beberapa tahap utama, yaitu pengumpulan dan preprocessing data, pelatihan model CNN dengan arsitektur ResNet-50, serta evaluasi performa model. Data yang digunakan diambil dari Kaggle “Melanoma Skin Cancer Dataset Of 10000 Images” memiliki data sebanyak 10615 gambar didalamnya dibagi menjadi 2 kelas yaitu citra Malignant dan Benign. Preprocessing data meliputi augmentasi gambar dan normalisasi untuk meningkatkan kualitas data dan kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi tinggi dalam segmentasi dan klasifikasi gambar citra kanker kulit. Model ResNet-50 yang dilatih dalam penelitian ini berhasil mencapai akurasi sebesar 92.00%, precision 92%, recall 92%, dan F1-score 92% pada dataset pengujian. Temuan ini menunjukkan bahwa pendekatan berbasis CNN dengan arsitektur ResNet-50 efektif untuk tugas segmentasi dan klasifikasi kanker kulit, dan memiliki potensi besar untuk diterapkan dalam sistem diagnostik berbasis komputer di bidang medis.]]>
