RANCANG BANGUN APLIKASI EDUKASI MELANOMA DENGAN FITUR PENDETEKSIAN AWAL MELANOMA MENGGUNAKAN TRANSFER LEARNING INCEPTION V3

Abstract

Melanoma merupakan salah satu jenis kanker kulit paling berbahaya dan umum di Indonesia. Oleh karena itu, pendeteksian awal melanoma memiliki peran yang sangat penting. Karena peluang bertahan hidup akan jauh lebih tinggi ketika dideteksi lebih awal. Namun, hanya sedikit orang yang sadar mengenai bahayanya melanoma. Jumlah penundaan untuk berkonsultasi ke dokter sangat tinggi. Banyak dari penundaan tersebut disebabkan karena orang-orang menganggap bahwa lesi yang berada di kulitnya bersifat jinak. Sehingga, keterlambatan untuk mendapatkan perawatan berujung dari pasien itu sendiri. Banyak pasien juga mengalami salah diagnosa. Salah diagnosa pada kasus melanoma terjadi karena melanoma menyerupai banyak kondisi kulit lainnya. Maka dari itu, mendeteksi melanoma juga merupakan sebuah tantangan. Penelitian ini bertujuan untuk membantu orang-orang umum untuk mendeteksi awal melanoma dengan metode transfer learning Inception v3. Terdapat beberapa orisinalitas dalam penelitian ini. Pertama, dataset yang dikumpulkan berasal dari fotografi makro dari handphone atau kamera. Kedua, augmentasi dilakukan dengan rotasi dan gaussian blur. Ketiga, penelitian dilakukan menggunakan citra makro yang diambil dari kamera dan smartphone, sehingga model dapat mengklasifikasikan melanoma in situ melalui smartphone. Orisinalitas berikutnya terdapat pada lapisan-lapisan yang ditambahkan untuk menyelesaikan berbagai permasalahan. Pertama, untuk mengatasi overfitting. Kedua, untuk mengatasi vanishing gradient dan convergence yang lebih cepat. Terakhir, untuk melakukan klasifikasi terhadap 2 jenis class. Dataset yang digunakan mengandung 10356 citra makro melanoma dan 10356 citra makro bukan melanoma. Penelitian ini menghasilkan model dengan 85% recall dalam mengidentifikasi melanoma.