IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA
Kulit merupakan bagian tubuh manusia yang menutupi seluruh tubuh dan melindungi lapisan di bawahnya dari sinar matahari langsung dan mikroorganisme lainnya. Oleh karena itu, sel kulit dapat berubah atau mengalami mutasi genetic yang menyebabkan terjadinya kanker kulit. Secara umum kanker kulit dibedakan menjadi tiga golongan, yaitu: kanker kulit Karsinoma sel basal, kanker kulit karsinoma sel skuamosa, dan kanker kulit Melanoma. Kanker kulit melanoma disebabkan oleh pertumbuhan sel melanosit yang tidak normal. Beberapa metode yang diusulkan memprediksi kanker kulit Melanoma yaitu menggunakan ResNet, LeNet, dan SVM. Dalam studi ini, penulis menerapkan DenseNet121 untuk mengidentifikasi kanker kulit Melanoma. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan F-Measure. Eksperimen dilakukan pada dataset kanker kulit Melanoma yang diperoleh nilai rata-rata dari segi accuracy, precision, recall, dan f-measure berturut-turut adalah 94%, 95%, 92%, dan 94%. Berdasarkan hasil tersebut, DenseNet121 yang diusulkan memiliki kinerja accuracy 94% lebih baik dibandingkan dengan metode ResNet, LeNet, dan SVM.
APA Style
. (2020).IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA ().Teknik Informatika:FTI,2020.Text
MLA Style
.IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA ().Teknik Informatika:FTI,2020.Text
Turabian Style
.IMPLEMENTASI DENSENET UNTUK MENGIDENTIFIKASI KANKER KULIT MELANOMA ().Teknik Informatika:FTI,2020.Text
