Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Syafria, Fadhillah
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Algoritma Convolutional Neural Network (Resnet-50) untuk Klasifikasi Kanker Kulit Benign dan Malignant: Implementation of Convolutional Neural Network Algorithm (ResNet-50) for Benign and Malignant Skin Cancer Classification Gusti, Gogor Putra Hafi Puja; Haerani, Elin; Syafria, Fadhillah; Yanto, Febi; Gusti, Siska Kurnia
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1398

Abstract

Kulit sebagai organ terluar yang menutupi seluruh bagian tubuh manusia rentan terhadap berbagi penyakit, salah satunya kanker kulit. Penggunaan teknologi malignant, khususnya Convolutional Neural Network (CNN) diangkat menjadi topik penelitian karena kemampuan CNN untuk secara otomatis mengenali fitur penting dalam klasifikasi citra medis kanker kulit. Oleh karena itu dilakukan penelitian pengklasifikasian penyakit kanker kulit benign (jinak) dan malignant (ganas) menggunakan algoritma CNN arsitektur ResNet-50 dengan dataset berupa 5000 data latih kanker kulit benign dan 4600 data latih kanker kulit malignant.Model CNN yang telah dirancang dengan epoch 50 menggunakan optimizer Adam dan batch size sebesar 54 serta melibatkan beberapa teknik augmentasi data guna meningkatkan keragaman dataset untuk kemudian model hasil perancangan diimplementasikan ke dalam tampilan sebuah website dengan menggunakan Flask sebagai kerangka kerja yang menghubungkan antara model deep learning dan website agar bisa diakses oleh pengguna. Metode pengujian blackbox dilakukan demi memastikan sistem dapat melakukan klasifikasi kanker kulit melalui input berupa citra medis kedalam 2 kelas yaitu benign dan malignant dengan baik serta didapatkan hasil akurasi model sebesar 94,88 % dan loss sebesar 13,24%.
Co-Authors Abdul Wahid Elin Haerani Febi Yanto, Febi Gusti, Gogor Putra Hafi Puja Gusti, Siska Kurnia Nazir, Alwis Yusra, -