Fatikhah, Naila Ananda (2025) Rancang bangun Aplikasi Deteksi Dini Kanker Kulit Melanoma menggunakan Mobilenetv3 dengan ekstraksi fitur Glcm dan algoritma Canny. Sarjana thesis, Universitas Islam Negeri Sunan Gunung Djati Bandung.
|
Text (COVER)
1_Cover.pdf Download (185kB) | Preview |
|
|
Text (ABSTRAK)
2_Abstrak.pdf Download (228kB) | Preview |
|
|
Text (DAFTAR ISI)
4_Daftar Isi.pdf Download (200kB) | Preview |
|
|
Text (BAB I)
5_BAB I.pdf Download (357kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_BAB II.pdf Restricted to Registered users only Download (398kB) |
|
|
Text (BAB III)
7_BAB III.pdf Restricted to Registered users only Download (417kB) |
|
|
Text (BAB IV)
8_BAB IV.pdf Restricted to Registered users only Download (818kB) |
|
|
Text (BAB V)
9_BAB V.pdf Restricted to Registered users only Download (855kB) |
|
|
Text (BAB VI)
10_BAB VI.pdf Restricted to Registered users only Download (226kB) |
|
|
Text (DAFTAR PUSTAKA)
11_Daftar Pustaka.pdf Download (206kB) | Preview |
Abstract
Kanker kulit melanoma merupakan salah satu jenis kanker yang paling berbahaya dan memerlukan deteksi dini untuk meningkatkan peluang kesembuhan. Penelitian ini merancang dan mengembangkan aplikasi mobile berbasis deep learning untuk mendeteksi melanoma menggunakan arsitektur MobileNetV3, dengan metode Gray-Level Co-Occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan Canny Edge Detection untuk analisis tepi lesi kulit. Dataset yang digunakan berasal dari ISIC (International Skin Imaging Collaboration), terdiri dari citra melanoma dan non-melanoma. Model dilatih dengan TensorFlow, kemudian dikonversi ke TensorFlow Lite dan diintegrasikan pada aplikasi berbasis Flutter. Hasil pengujian menunjukkan akurasi training dan validasi yang baik, namun pada pengujian nyata akurasi hanya mencapai 60%, yang mengindikasikan adanya overfitting. Pengujian aplikasi menggunakan black-box testing memastikan seluruh fungsi berjalan dengan baik, sedangkan usability testing (SUS) memperoleh skor 77,16 yang termasuk kategori acceptable. Hasil ini menunjukkan bahwa aplikasi mampu membantu deteksi dini melanoma secara dasar, namun masih memerlukan peningkatan kualitas dataset dan optimasi model agar performa lebih stabil.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Melanoma; Deteksi Dini; MobileNetV3; GLCM; Canny Edge Detection. |
| Subjects: | Numerical Analysis > Algorithms Paleontology, Paleozoology, Paleology > Data Processing Analysis Applied Physics > Electrical Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | Naila Ananda Fatikhah |
| Date Deposited: | 05 Nov 2025 04:04 |
| Last Modified: | 10 Nov 2025 04:08 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/124962 |
Actions (login required)
 |
View Item |
