Sistem klasiﬁkasi kanker kulit berdasarkan data citra dermoscopic dengan menggunakan metode Deep Extreme Learning Machine

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Foeady, Ahmad Zoebad (2019) Sistem klasiﬁkasi kanker kulit berdasarkan data citra dermoscopic dengan menggunakan metode Deep Extreme Learning Machine. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Ahmad Zoebad Foeady_H72216048.pdf
Download (10MB)

Abstract

Kapasitas ozon yang semakin menipis menyebabkan sinar Ultra Violet(UV) yang menuju bumi semakin besar dan dapat menyebabkan penyakit kanker kulit. World Health Organization(WHO) menyebutkan bahwa penderita kanker kulit terus meningkat dari tahun ke tahun pada tiap dekadenya. Terdapat sekitar 2-3 juta penderita kanker kulit non melanoma dan 132.000 pasien penderita penyakit kanker kulit melanoma. Oleh sebab itu perlu dilakukan deteksi dini kanker kulit untuk mengurangi jumlah penderita kanker kulit. Deteksi dini kanker kulit bisa dilakukan oleh dokter dengan melihat secara langsung berdasarkan ﬁtur ABCDE, namun cara ini kurang eﬁsien karena penglihatan seseorang bisa saja berbeda sehingga dibuatlah Computer Aided Diagnosys (CAD) untuk membantu pihak medis dalam mendeteksi kanker kulit. Proses yang dilakukan yaitu pre-processing dengan menggunakan dull razor ﬁltering, noise removal dengan menggunakan median ﬁltering, dan contrast enhancemet dengan menggunakan histogram equalization. Selanjutnya dilakukan proses klasiﬁkasi menggunakan Deep Extreme Learning Machine (DELM) untuk mengklasiﬁkasikan kanker kulit dan non kanker. Penelitian dilakukan pada 1000 data kanker kulit Malignant dan data non kanker atau Benign berjumlah 1000 data. Selanjutnya, data tersebut akan dipecah dengan pembagian data menggunakan K-Fold cross validatian pada k=5 sehingga terbagi menjadi 80% data training dan 20% data testing. Hasil Terbaik yang didapatkan oleh model DELM dengan 1000 hidden layer, 300 hidden nodes, dan polynomial kernel adalah berupa nilai akurasi sebesar 91.5%, sensitiﬁtasnya sebesar 92%, dan nilai spesiﬁsitasnya sebesar 91% dengan waktu training 27 menit 23 detik.