<![CDATA[Deteksi dini kanker kulit menjadi tantangan utama, terutama di negara berkembang seperti Indonesia, yang memiliki keterbatasan akses alat diagnostik modern. Penelitian ini mengembangkan sistem klasifikasi kanker kulit berbasis metode Xception pada Raspberry Pi 3 dan Webcam untuk membedakan tiga kelas: jinak (benign), ganas (malignant), dan normal. Dataset terdiri dari 3.000 sampel, dibagi untuk pelatihan (80%) dan validasi (20%). Data preprocessing dilakukan melalui normalisasi dan augmentasi. Model Xception dilatih menggunakan TensorFlow, kemudian dioptimalkan ke format TensorFlow Lite untuk implementasi pada Raspberry Pi. Pengujian sistem meliputi evaluasi akurasi, waktu pemrosesan, dan efisiensi sumber daya. Hasil menunjukkan akurasi pelatihan terbaik pada epoch ke-13, dengan akurasi validasi 0.8967 dan loss 0.2381. Model mencapai akurasi 85% untuk tipe jinak, 85,1% untuk tipe ganas, dan 99% untuk tipe normal secara real-time, dengan waktu pemrosesan 3-7 detik per gambar. Sistem stabil pada Raspberry Pi 3 dengan konsumsi daya minimal. Sistem ini menawarkan solusi terjangkau untuk deteksi dini kanker kulit, terutama di wilayah dengan fasilitas kesehatan terbatas.]]>
Copyrights © 2025
