<![CDATA[Tumor kulit merupakan suatu abnormalitas yang terjadi pada kulit. Tumor tersebut dapat bersifat jinak (benigna) atau ganas (maligna). Sampai saat ini para ahli melakukan diagnosis tumor kulit dengan metode biopsi dengan mengambil sampel potongan kecil pada jaringan kulit dan selanjutnya diperiksa sel - sel nya di laboratorium. Metode tersebut merupakan suatu metode invasif yang memerlukan waktu lama. Pada penelitian ini akan dilakukan identifikasi tumor kulit menggunakan CNN dengan desain jaringan ResNet untuk membantu diagnosis. Metode ini merupakan pengembangan dari Multilayer Perceptron (MLP) yang dibuat sedemikian rupa untuk mengolah data dua dimensi. Desain arsitektur menggunakan ResNet untuk mencegah sistem kehilangan banyak informasi selama training dilakukan. Hasil yang didapatkan pada penelitian ini dalam penggunaan variasi model arsitektur yaitu ResNet-18, ResNet-50 dan ResNet-101 yaitu waktu yang diperlukan untuk melakukan training terhadap 3 jenis kulit menggunakan desain arsitektur jaringan ResNet lebih lama jika dibandingkan training terhadap 2 jenis kulit. Penelitian ini menggunakan 1440 data training untuk citra benigna, 1197 citra maligna, dan 797 citra normal. Hasil akurasi yang dihasilkan saat klasifikasi 3 jenis kulit berkisar antara 92,60% sampai dengan 92,90% sedangkan untuk 2 jenis kulit berkisar antara 88,03% sampai dengan 89,39%.Kata kunci: CNN, Klasifikasi, Tumor Kulit Benigna, Tumor Kulit Maligna, ResNet.]]>
Copyrights © 2022
