PENGEMBANGAN SISTEM DETEKSI DINI KANKER KULIT MELANOMA BERBASIS ANDROID MENGGUNAKAN ARSITEKTUR MOBILENETV3

Osgibran, Raya (2026) PENGEMBANGAN SISTEM DETEKSI DINI KANKER KULIT MELANOMA BERBASIS ANDROID MENGGUNAKAN ARSITEKTUR MOBILENETV3. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2213020139.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020139_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020139_0719068702_0708049001_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (4MB)
	Text (BAB 2) RAMA_55201_2213020139_0719068702_0708049001_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (368kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020139_0719068702_0708049001_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020139_0719068702_0708049001_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (530kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020139_0719068702_0708049001_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (523kB) | Request a copy
	Text (References) RAMA_55201_2213020139_0719068702_0708049001_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Lampiran) RAMA_55201_2213020139_0719068702_0708049001_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (973kB) | Request a copy

Abstract

Kanker kulit melanoma merupakan subtipe kanker kulit yang paling mematikan meskipun jumlah kasusnya hanya sekitar 5% dari seluruh kasus kanker kulit, sehingga deteksi dini menjadi faktor penentu keberhasilan pengobatan. Penelitian ini bertujuan mengembangkan sistem klasifikasi biner Melanoma dan Nevus berbasis arsitektur MobileNetV3-Small pada dataset HAM10000 yang memiliki ketidakseimbangan kelas sebesar 1:6, serta mengimplementasikannya ke dalam aplikasi Android. Penelitian dilakukan melalui empat skenario eksperimen berurutan. Skenario 1 menetapkan baseline tanpa penanganan ketidakseimbangan data, menghasilkan recall melanoma sebesar 0,5676. Skenario 2 membandingkan lima strategi penanganan ketidakseimbangan data secara sistematis pada kerangka eksperimen yang identik, yaitu Class Weight, SMOTE, Weighted Random Sampler, kombinasi SMOTE dan Class Weight, serta Focal Loss, dengan Class Weight terpilih sebagai metode terbaik karena menghasilkan recall 0,8649 tanpa mengalami precision collapse. Skenario 3 melakukan optimasi hiperparameter menggunakan Optuna berbasis Tree-structured Parzen Estimator, menghasilkan konfigurasi optimal yang kemudian digunakan pada Skenario 4 untuk pelatihan akhir dengan strategi fine-tuning menyeluruh pada seluruh lapisan backbone. Model akhir mencapai recall melanoma sebesar 0,8829 dan AUC sebesar 0,9437 pada test set. Analisis threshold tuning menunjukkan bahwa pergeseran batas keputusan ke nilai 0,67 dapat meningkatkan precision menjadi 0,5610 dengan recall yang masih terjaga di atas 0,82, meskipun threshold default 0,5 tetap dipilih untuk implementasi pada aplikasi guna memaksimalkan sensitivitas deteksi. Model berhasil dikonversi ke format PyTorch Mobile dengan ukuran hanya 5,93 MB dan diuji pada perangkat Android (Samsung Galaxy A07), menghasilkan akurasi pengujian 90% dengan waktu inferensi rata-rata 1,235 detik. Hasil penelitian ini membuktikan bahwa arsitektur lightweight MobileNetV3-Small, ketika dikombinasikan dengan strategi penanganan ketidakseimbangan data dan optimasi hiperparameter yang tepat, dapat menghasilkan sistem deteksi dini melanoma yang efisien secara komputasi dan layak diimplementasikan pada perangkat mobile dengan keterbatasan sumber daya.

Available Versions of this Item

• PENGEMBANGAN SISTEM DETEKSI DINI KANKER KULIT MELANOMA BERBASIS ANDROID MENGGUNAKAN ARSITEKTUR MOBILENETV3. (deposited UNSPECIFIED)
  • PENGEMBANGAN SISTEM DETEKSI DINI KANKER KULIT MELANOMA BERBASIS ANDROID MENGGUNAKAN ARSITEKTUR MOBILENETV3. (deposited UNSPECIFIED) [Currently Displayed]

Actions (login required)

View Item