Rancang Bangun Sistem Cerdas Untuk Klasifikasi Nevus Dan Melanoma Berbasis Morfologi (Asymmetry Dan Border), Warna Dan Tekstur Menggunakan Metode Glcm Dan Deep Learning

Chandra, Theodore Gautama (2019) Rancang Bangun Sistem Cerdas Untuk Klasifikasi Nevus Dan Melanoma Berbasis Morfologi (Asymmetry Dan Border), Warna Dan Tekstur Menggunakan Metode Glcm Dan Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02311540000097-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Metode ABCD merupakan salah satu metode yang umum digunakan untuk melakukan diagnosa melanoma. Namun metode ABCD memiliki pembebanan yang kurang sesuai untuk setiap setiap parameternya. Pattern analysis telah dibuktikan untuk memiliki tingkat akurasi yang lebih tinggi dalam mengklasifikasi melanoma dan nevus. Penelitian ini menawarkan metode klasifikasi nevus dan melanoma menggunakan penggabungan parameter asymmetry, border, dan warna berdasarkan metode ABCD dengan parameter pola berdasarkan Pattern analaysis direpresentasikan dengan tekstur GLCM. Sistem klasifikasi dilakukan menggunakan metode deep learning disebabkan kemampuanya untuk mengolah data dengan tingkat abstraksi tinggi. Pada penelitian ini digunakan data gambar dari International Skin Imaging Collabortion (ISIC) sebagai data training dan data validasi. Digunakan 773 gambar nevus dan 870 gambar melanoma sebagai data training dan 200 gambar nevus dan 200 gambar melanoma lain sebagai data validasi. Model deep neural network mendapatkan diagnostic accuracy 81,75%, specificity 88%, dan sensitivity 75,50%.
===============================================================================================================================
The ABCD method is one of the most common methods for melanoma diagnosis. However, the ABCD method has been criticized for having inappropriate weighting parameter. Pattern analysis has been proven to have a higher accuracy on diagnosing melanoma and nevus. This research proposed a nevus and melanoma classification method using a combination of asymmetry, border and color parameter with GLCM texture parameter. The classification system uses deep learning algorithm for its ability to interpret data with a high level of abstraction. This research uses the international Skin Imaging Collaboration (ISIC) as training data and validation data. The training data consist of 773 nevus images and 870 melanoma images, the validation data uses 200 melanoma and 200 nevus data. The deep neural network model acquires diagnostic accuracy up to 81.75%, 88% specificity and 75.50% sensitivity.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Melanoma, Nevus, GLCM, Deeplearning, Warna, Asymmetry, Border
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) R Medicine > RL Dermatology T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing. T Technology > TA Engineering (General). Civil engineering (General) > TA593.35 Instruments, cameras, etc.
Divisions:	Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Chandra Theodore Gautama
Date Deposited:	21 Jul 2026 06:53
Last Modified:	21 Jul 2026 06:55
URI:	http://repository.its.ac.id/id/eprint/69756

Actions (login required)

View Item