ANALISIS DAN IMPLEMENTASI KLASIFIKASI MODEL CONVOLUTION NEURAL NETWORK (CNN) UNTUK MENDETEKSI PENYAKIT KANKER KULIT PADA MANUSIA

Pengembangan model klasifikasi kanker kulit berbasis citra digital menggunakan arsitektur Convolutional Neural Network (CNN) memliki tujuan untuk mengatasi keterlambatan diagnosis kanker kulit menjadi tantangan serius, sehingga diperlukan sistem klasifikasi otomatis untuk menyederhanakan kompleksitas, memudahkan identifikasi, dan mendukung pengambilan keputusan yang tepat. Optimasi Synthetic Minority Over-sampling Technique (SMOTE) digunkaan untuk mengatasi ketidakseimbangan kelas pada dataset. Penelitian menggunakan dataset citra kulit dari Kaggle, mencakup lima kelas yaitu non-skin, melanoma, basal cell carcinoma, squamous cell carcinoma, dan kulit normal. Proses penelitian melibatkan tahapan preprocessing data, augmentasi, balancing menggunakan SMOTE, perancangan dan pelatihan model CNN, serta validasi performa model menggunakan metrik akurasi, precision, recall, F1-score, dan confusion matrix. Hasil pelatihan menunjukkan akurasi sebesar 99,47% pada data latih dan validasi menunjukkan akurasi 82,52%, yang mengindikasikan adanya indikasi overfitting namun tetap menunjukkan kinerja model yang cukup baik. Model yang dikembangkan juga telah berhasil diimplementasikan ke dalam aplikasi web.