Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Medika Teknika : Jurnal Teknik Elektromedik Indonesia
Sari, Renti Epana
Unknown Affiliation
Electrical & Electronics Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Kanker Kulit Berbasis CNN dengan Metode Hybrid Preprocessing Dartiko, Fedryanto; Pradana, Refki Jorgi; Sari, Renti Epana; Syahputra, Wahyu; Oktoeberza, Widhia KZ
Medika Teknika : Jurnal Teknik Elektromedik Indonesia Vol. 5 No. 2 (2024): April
Publisher : Universitas Muhammadiyah Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/mt.v5i2.22675

Abstract

Kulit dapat mengalami berbagai gangguan kesehatan jika mendapatkan paparan lingkungan luar yang terlalu intens, salah satunya adalah kanker kulit. Untuk itu, deteksi dini sangat diperlukan agar pasien sesegera mungkin mendapatkan penanganan lebih lanjut. Penelitian ini bertujuan untuk klasifikasi kanker kulit benign (jinak) dan malignant (ganas). Pemanfaatan AI dapat digunakan dalam klasifikasi karena dapat meningkatkan nilai akurasi. Metode convolutional neural network (CNN) dilibatkan dalam penelitian ini. Metode CNN dapat mengklasifikasi dengan cepat dan memiliki nilai akurasi yang cukup tinggi tanpa harus mengekstraksi fitur terlebih dahulu. Kontribusi dalam penelitian ini yakni menggunkan metode hybrid preprocessing yang terdiri dari CLAHE, morphological closing dan median filter pada preprocessing data untuk menghilangkan noise yang biasanya terdapat pada epidermis kulit berupa  rambut-rambut halus. Metode CNN selanjutnya memproses masukan citra dari hasil preprocessing, lalu mengklasifikasikan citra  kanker kulit menjadi kategori benign dan malignant. Setelah tahap pengujian sistem berhasil memperoleh hasil yang cukup memuaskan, dengan nilai accuracy sebesar 78,19% dan loss 0.5324. Kinerja sistem dengan metode yang diusulkan mencapai akurasi yang baik dan cukup mampu diimplementasikan untuk membantu para profesional medis dalam membuat mendiagnosis kanker kulit.
Co-Authors Dartiko, Fedryanto Oktoeberza, Widhia KZ Pradana, Refki Jorgi Syahputra, Wahyu