EKSTRAKSI GEJALA DAN KLASIFIKASI JENIS KANKER KULIT MENGGUNAKAN METODE CNN DAN WEB CRAWLERS

Anugerah, Yulia Putri (2024) EKSTRAKSI GEJALA DAN KLASIFIKASI JENIS KANKER KULIT MENGGUNAKAN METODE CNN DAN WEB CRAWLERS. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400283_Yulia Putri Anugerah_IF.pdf Restricted to Registered users only Download (4MB)

Abstract

Anugerah, Yulia Putri. 2024. Ekstraksi Gejala Dan Klasifikasi Menggunakan Metode CNN Dan Web Crawlers. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Zainal Arifin, M.Kom., (II) Ratri Enggar Pawening, M.Kom.

Kata Kunci: Kanker Kulit, CNN, Web Crawler, Klasifikasi, Kaggle.

Kanker kulit merupakan jenis keganasan yang berkembang pada sel kulit, di mana karsinoma dan melanoma menjadi dua jenis yang paling umum terjadi. Permasalahan utama dalam diagnosis kanker kulit saat ini adalah ketergantungan yang tinggi pada prosedur biopsi. Prosedur tersebut memiliki beberapa kekurangan, di antaranya risiko infeksi, potensi kerusakan jaringan kulit, keterlambatan hasil diagnosis, serta biaya yang relatif tinggi. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) untuk mendeteksi jenis kanker kulit secara non-invasif. Selain itu, teknologi Web Crawler diintegrasikan untuk mengekstrak informasi gejala terkait secara otomatis dari berbagai sumber daring terpercaya. Metodologi penelitian meliputi pengumpulan dataset citra kanker kulit dari platform Kaggle, tahap pra-pemrosesan (preprocessing), pelatihan model CNN, serta implementasi algoritma web crawling. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai tingkat akurasi sebesar 95,30% pada epoch ke-50 dalam mengklasifikasikan jenis kanker kulit. Integrasi web crawler terbukti efektif dalam menyajikan informasi gejala tambahan secara otomatis guna memperkaya hasil diagnosis. Penelitian ini diharapkan dapat menjadi alat bantu awal yang cepat, akurat, dan efisien dalam mengidentifikasi gejala kanker kulit bagi masyarakat luas.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > RC Internal medicine R Medicine > RL Dermatology
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	30 Apr 2026 04:30
Last Modified:	30 Apr 2026 04:30
URI:	https://repository.unuja.ac.id/id/eprint/3290

Actions (login required)

View Item