IDENTIFIKASI KANKER KULIT MELANOMA MENGGUNAKAN ALGORITMA PCA & CNN

Mengimplementasikan metode Principal Component Analysis (PCA) dan Convolutional Neural Network (CNN) terhadap CNN pada identifikasi citra melanoma dan nonmelanoma. Melanoma memiliki ciri khas yang ditentukan dengan aturan ABCDE. Aturan ini adalah Asymmetric skin growth, irregular growth Borders, multiple Colored moles, mole Diameter, dan Enlargement. Implementasi PCA digunakan untuk mengkompresi ukuran citra yang kemudian dilakukan resize berdasarkan interpolasi bicubic dan dinormalisasi sebelum masuk ke proses CNN. Pada implememtasi CNN, data latih dilatih hingga membentuk suatu model yang dapat mengidentifikasi melanoma dan nonmelanoma dengan arsitektur yang terdiri dari beberapa lapisan, diantaranya lapisan konvolusi, pooling, flatten dan dense. Hasil output menggunakan fungsi sigmoid, sehingga memberi nilai berupa probabilitas dan diterapkan seperti klasifikasi biner. Komputasi waktu selama proses training pada metode PCA dan CNN adalah 19 menit 32 detik dengan akurasi 91.6% dan pada metode CNN adalah 33 menit 6 detik dengan akurasi 92.2%.