DETEKSI AWAL KLASIFIKASI JENIS PENYAKIT KANKER KULIT DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE APPS

Kulit, sebagai organ luar yang melapisi tubuh manusia, memiliki peran penting
dalam menjaga kesehatan dan keutuhan tubuh. Salah satu penyakit yang dapat
mengancam kulit adalah kanker kulit, yang dapat menyebabkan kerusakan serius
bahkan kematian. Proses diagnosis tradisional untuk kanker kulit sering melibatkan
biopsi, yang mahal dan invasif. Faktor risiko untuk kanker kulit termasuk paparan
sinar ultraviolet, faktor genetik, pola hidup yang tidak sehat, dan infeksi human
papillomavirus. Deteksi dini sangat penting untuk mengatasi kanker kulit, namun
diagnosa sering kali sulit karena kesulitan membedakan antara lesi kulit yang
berpotensi ganas dan yang tidak. Untuk mengatasi tantangan ini, metode deep
learning seperti Convolutional Neural Network (CNN) menjadi perhatian, karena
kemampuannya dalam mengklasifikasikan citra kulit dengan akurasi yang tinggi,
memfasilitasi diagnosa kanker kulit secara lebih cepat dan efisien. Penelitian ini
menginvestigasi pemanfaatan algoritma Convolutional Neural Network (CNN)
untuk mengklasifikasikan penyakit kanker kulit berdasarkan citra dermoskopi.
Dengan dataset berjumlah 10.015 citra yang terbagi menjadi data latih (75%) dan
data uji (25%), model yang dikembangkan menggunakan teknik transfer learning
mampu mencapai tingkat akurasi sebesar 97,38%, dengan akurasi validasi
mencapai 97,39% setelah melalui 200 epoch. Pengujian yang dilakukan, white box
yang mendapatkan hasil 2 independent path yang berarti tidak kompleks dan mudah
untuk perbaikan pada code program sehingga dikatakan baik. Pengujian black box,
maupun UAT (User Acceptance Testing), menunjukkan tingkat keberhasilan yang
sangat tinggi, mencapai 100%. Selain itu, hasil klasifikasi menunjukkan rata-rata
nilai precison, recall, dan f1_score sebesar 97%, menandakan peningkatan
signifikan dari penelitian sebelumnya. Penelitian ini juga berhasil mengatasi
beberapa kelemahan penelitian sebelumnya dengan meningkatkan jumlah kelas dan
dataset yang digunakan, dari dua kelas dan 5.000 citra pada penelitian sebelumnya
menjadi tujuh kelas dan 10.015 citra, yang menghasilkan diagnosis yang lebih
akurat dan representatif dalam deteksi penyakit kanker kulit.
Kata kunci: Kanker kulit, CNN, deep learning, dermoskopi, transfer learning,
diagnosis awal, deteksi kanker kulit.