DETEKSI KANKER KULIT MELANOMA MENGGUNAKAN MOBILENETV2

Melanoma merupakan salah satu jenis kanker kulit yang paling mematikan karena berpotensi bermetastasis dengan cepat apabila tidak segera ditangani. Keterbatasan tenaga ahli dermatologi, biaya layanan kesehatan yang tinggi, rendahnya kesadaran masyarakat, serta tingginya subjektivitas penilaian visual lesi kulit membuat deteksi dini melanoma belum optimal, sehingga diperlukan metode deteksi otomatis berbasis kecerdasan buatan. Penelitian ini mengembangkan model klasifikasi citra yang dapat membedakan citra kulit ke dalam kelas melanoma dan bukan melanoma menggunakan arsitektur MobileNetV2. Dataset yang digunakan bersumber dari platform Kaggle (drscarlat/melanoma) sebanyak 17.805 citra dengan pembagian data latih, validasi, dan uji sebesar 80:10:10. Model dirancang menggunakan pre-trained MobileNetV2 sebagai backbone ekstraksi fitur yang ditambahkan modul SE-Attention, feature fusion, serta dilatih menggunakan focal loss melalui pendekatan fine-tuning. Hasil pengujian menunjukkan model mampu mencapai accuracy sebesar 94,83%, precision 96,05%, recall 93,72%, F1-score 94,87%, dan AUC sebesar 98,92%. Hasil ini menunjukkan bahwa model yang dikembangkan mampu menjadi alternatif alat bantu skrining awal yang lebih objektif dibandingkan penilaian visual manual, meskipun hasilnya tetap perlu dikonfirmasi oleh tenaga medis profesional dan bukan sebagai pengganti diagnosis klinis secara mandiri.