Rancang Bangun Aplikasi Mobile Klasifikasi Kanker Kulit Dengan Pemilihan Model Transfer Learning

Kulit merupakan lapisan tubuh manusia yang sangat luas dan berfungsi untuk
menutupi seluruh permukaan pada tubuh manusia. Kulit yang tidak terawat akan
menimbulkan berbagai penyakit dan gangguan pada kulit diantara yaitu Kanker kulit.
Dalam mendiagnosis penyakit kanker kulit digunakan metode biopsi, Namun terdapat
beberapa kekurangan biopsi diantaranya yaitu butuh persiapan yang panjang, waktu
penyembuhan luka yang sedikit lama dan biaya yang mahal. Metode Deep Learning
yang saat ini memiliki hasil paling signifikan dalam pengenalan citra adalah
Convolutional Neural Network (CNN). Dalam penelitian dilakukan pengklasifikasian
kanker kulit dengan metode CNN dengan data yang digunakan merupakan data 9 kelas
kanker kulit yaitu actinic keratosis, basal cell carcinoma, dermatofibroma, Healty
Skin, melanoma, nevus, pigmented benign keratosis, seborrheic keratosis, squamous
cell carcinoma, vascular lesion serta 1 kelas kulit sehat (healty skin). Dalam
membangun model klasifikasi penyakit kanker kulit digunakan kerangka kerja
pemilihan model transfer learning. Dimana terdapat tiga model arsitektur yang
digunakan yaitu VGG16, DenseNet121 dan NASNetMobile. hyperparameter yang
digunakan pada masing-masing model antara lain learning rate sebesar 0.0001, batch
size sebesar 64, dan epoch sebanyak 100 kali. Dari ketiga model yang digunakan,
model VGG16 mendapat hasil akurasi tertinggi. hasil akurasi data train pada model
arsitektur VGG16 yaitu sebesar 98%, sedangkan hasil untuk data test sebesar 85%.
Kemudian untuk DenseNet121 menghasilkan nilai akurasi sebesar 99% untuk data
train dan 82% untuk data test. Selanjutnya untuk model arsitektur NASNetMobile
menghasilkan nilai akurasi pada data train sebesar 96% dan 68% untuk data test.
Model klasifikasi yang di deploy menggunakan tensorflow lite pada aplikasi android
yaitu VGG16.