Penerapan VGG16 untuk Klasifikasi Jinak dan Ganas pada Citra Medis

Abstrak

Penelitian ini bertujuan untuk menilai performa model VGG16 dalam klasifikasi citra kulit dengan menggunakan dataset berjumlah 6.929 gambar yang terbagi ke dalam sembilan kategori kanker kulit, terdiri dari empat jenis kanker ganas (Keratosis Aktinik, Karsinoma Sel Basal, Karsinoma Sel Skuamosa, dan Melanoma) serta lima jenis kanker jinak (Dermatofibroma, Lesi Vaskular, Nevus, Keratosis Jinak Berpigmen, dan Keratosis Seboroik). Dataset tersebut telah melalui serangkaian proses praproses seperti perubahan ukuran, normalisasi, dan augmentasi guna meningkatkan kualitas serta variasi data. Pelatihan model dilakukan dengan parameter optimal berupa batch size 16, optimizer Adam, dan 10 epoch. Hasil evaluasi menunjukkan bahwa model VGG16 mampu mencapai akurasi validasi sebesar 99,62%, serta mempertahankan akurasi pelatihan yang mendekati 100% dengan penurunan nilai loss yang stabil hingga mencapai konvergensi. Temuan ini menegaskan bahwa arsitektur VGG16 merupakan solusi yang efektif dan handal untuk klasifikasi citra kulit, dengan potensi aplikasi dalam mendukung deteksi dini kanker kulit melalui metode pembelajaran mendalam. Diharapkan hasil penelitian ini dapat memberikan kontribusi signifikan dalam meningkatkan akurasi dan efisiensi proses diagnostik di bidang layanan kesehatan.

Identifier

• DOI: https://doi.org/10.31328/jointecs.v9i3.7085
• OpenAlex: https://openalex.org/W7125808903