<![CDATA[Kanker kulit merupakan salah satu jenis kanker dengan prevalensi tinggi secara global termasuk di Indonesia yang resikonya semakin meningkat akibat penipisan lapisan ozon dan paparan sinar ultraviolet (UV) berlebih. Deteksi dini kanker kulit melalui klasifikasi citra sangat penting untuk meningkatkan peluang kesembuhan pasien. Namun, keterbatasan jumlah dan variasi data citra kanker kulit menjadi tantangan utama dalam pengembangan model klasifikasi berbasis Convolutional Neural Network (CNN). Teknik augmentasi data menjadi salah satu solusi untuk memperluas dan memperkaya keragaman dataset tanpa perlu pengumpulan data baru. Maka penelitian ini bertujuan untuk mengetahui pengaruh berbagai teknik augmentasi data terhadap performansi model CNN dalam klasifikasi citra kanker kulit menggunakan dataset Internasional Skin Imaging Collaboration (ISIC) yang terdiri dari sembilan kelas kanker kulit. Metode yang digunakan dalam penelitian ini adalah CRISP-DM yang terdiri dari enam tahapan. Berdasarkan hasil diperoleh akurasi tertinggi pada data uji menggunakan teknik augmentasi data jenis gaussian noise addition. Sementara itu, baseline model tanpa augmentasi memiliki akurasi lebih rendah. Disimpulkan teknik augmentasi data memiliki pengaruh signifikan dalam meningkatkan akurasi dan ketahanan model CNN dalam mengenali berbagai jenis kanker kulit.]]>
Copyrights © 2026
