SISTEM PENDETEKSI PENYAKIT KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR YOLOV8 BERBASIS WEBSITE

Tanadi, Egga Naufal Daffa (2024) SISTEM PENDETEKSI PENYAKIT KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR YOLOV8 BERBASIS WEBSITE. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (COVER) 20082010074_COVER.pdf Download (1MB)
	Text (BAB 1) 20082010074_BAB 1.pdf Download (221kB)
	Text (BAB 2) 20082010074_BAB 2.pdf Restricted to Registered users only until 23 July 2027. Download (480kB)
	Text (BAB 3) 20082010074_BAB 3.pdf Restricted to Registered users only until 23 July 2027. Download (580kB)
	Text (BAB 4) 20082010074_BAB 4.pdf Restricted to Registered users only until 23 July 2027. Download (927kB)
	Text (BAB 5) 20082010074_BAB 5.pdf Download (142kB)
	Text (DAFTAR PUSTAKA) 20082010074_DAFTAR PUSTAKA.pdf Download (152kB)
	Text (LAMPIRAN) 20082010074_LAMPIRAN.pdf Restricted to Repository staff only until 24 July 2026. Download (404kB)

Abstract

Penyakit kanker kulit merupakan hal yang sangat penting mengingat tingginya angka kejadian dan tingkat fatalitasnya. Perkembangan teknologi telah memungkinkan penggunaan machine learning untuk mendeteksi penyakit secara lebih akurat dan efisien. Skripsi ini memanfaatkan arsitektur You Only Look Once versi 8 (YOLOv8) dalam pengembangan sistem pendeteksi kanker kulit berbasis website. Teknologi ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan akurasi dan kecepatan diagnosis, sehingga membantu upaya pencegahan dan penanganan kanker kulit secara lebih efektif. Skripsi ini difokuskan pada implementasi arsitektur YOLOv8 untuk mendeteksi tujuh jenis penyakit kanker kulit dengan menggunakan dataset citra kulit yang dianotasi. Tujuan utama skripsi ini adalah untuk mengembangkan model deteksi kanker kulit yang akurat dan dapat digunakan secara real-time melalui antarmuka web. Metode yang digunakan meliputi pengumpulan dan anotasi data, pre-processing dan augmentasi data, pelatihan model menggunakan YOLOv8, serta evaluasi kinerja model dengan metrik seperti precision, recall, dan mean Average Precision (mAP). Dataset yang digunakan terdiri dari 17.366 gambar yang dibagi menjadi tiga kategori data yaitu data training, data validation, dan data testing. Hasil penelitian menunjukkan bahwa model YOLOv8 yang dikembangkan memiliki tingkat akurasi yang tinggi dengan nilai precision sebesar 0.975 dan recall sebesar 0.969 yang hampir mendekati angka 1. Evaluasi performa model dilakukan menggunakan confusion matrix yang menunjukkan bahwa model mampu mendeteksi kanker kulit. Pengembangan antarmuka web yang memungkinkan pengguna untuk mengunggah gambar dan melihat hasil deteksi secara langsung juga telah berhasil dilakukan. Kesimpulan dari skripsi ini adalah bahwa sistem pendeteksi kanker kulit berbasis YOLOv8 dapat diimplementasikan dan memberikan hasil yang dapat digunakan sebagai alat bantu dalam diagnosis dini kanker kulit.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Kartika, Dhian Satria Yudha	NIDN0722058601	dhian.satria@upnjatim.ac.id
Thesis advisor	Najaf, Abdul Rezha Efrat	NIDN0029099403	rezha.efrat.sifo@upnjatim.ac.id

Subjects:

T Technology > T Technology (General)
T Technology > T Technology (General) > T58.6-58.62 Management Information Systems

Divisions:

Faculty of Computer Science > Departemen of Information Systems

Depositing User:

Egga Naufal

Date Deposited:

23 Jul 2024 08:07

Last Modified:

24 Jul 2024 06:22

URI:

https://repository.upnjatim.ac.id/id/eprint/27168