Talan, Maylinda Christy Yosefina (2025) KLASIFIKASI KANKER KULIT BERBASIS WEB MENGGUNAKAN CUSTOM CNN DENGAN SMOTE-TOMEK DAN OPTIMIZER NADAM (TA.2.25.017). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi kanker kulit berbasis citra dermoskopi menggunakan pendekatan deep learning. Model Custom CNN dirancang dengan arsitektur ringan dan dioptimalkan melalui serangkaian eksperimen yang membandingkan empat skenario utama: arsitektur model, metode penyeimbangan data, rasio pembagian data, dan algoritma optimizer. Teknik SMOTE-Tomek digunakan untuk menyeimbangkan distribusi kelas, sementara optimizer Nadam terbukti memberikan akurasi tertinggi dalam pelatihan. Hasil evaluasi menunjukkan bahwa konfigurasi model terbaik—Custom CNN + SMOTE-Tomek + Nadam—mencapai akurasi validasi hingga 95% dan F1- score ≥ 0.90 pada sebagian besar kelas. Model kemudian diimplementasikan ke dalam aplikasi klasifikasi citra berbasis web, yang mampu memberikan prediksi akurat dengan confidence score tinggi di atas 90% untuk setiap gambar uji. Penelitian ini menunjukkan bahwa model CNN ringan dapat menjadi solusi efektif dan efisien untuk deteksi dini kanker kulit secara otomatis berbasis citra. Kata Kunci: Klasifikasi Kanker Kulit; Citra Dermoskopi; Custom CNN; SMOTE- Tomek; Optimizer Nadam
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 07:00 |
| Last Modified: | 26 Sep 2025 07:00 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3541 |
Actions (login required)
 |
View Item |
