Harahap, Atika Pratiwi (2026) IDENTIFIKASI LESI KULIT PADA CITRA KLINIS MENGGUNAKAN EFFICIENTNET-LITE B0. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (32kB)
	Text Abstrak.pdf Download (11kB)
	Text Bab I.pdf Download (20kB)
	Text Daftar Pustaka.pdf Download (83kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Kanker kulit merupakan salah satu penyakit ganas yang membutuhkan deteksi dini secara akurat demi keselamatan pasien. Namun, proses diagnosis klinis sering kali dihadapkan pada kendala variasi visual citra klinis dari smartphone yang memiliki tingkat gangguan tinggi di lapangan. Penelitian ini bertujuan untuk mengintegrasikan fitur citra visual menggunakan arsitektur EfficientNet-Lite B0 dan data demografi pasien memanfaatkan jaringan Multi-Layer Perceptron (MLP) melalui teknik Late Fusion berbasis rata-rata tertimbang. Metode penelitian yang diterapkan adalah kuantitatif eksperimental dengan memanfaatkan dataset sekunder MILK10k sebanyak 5.137 sampel data bersih setelah melalui tahapan seleksi. Proses pelatihan model diperkuat menggunakan fungsi optimasi ganda berupa Focal Loss dan Class Weighting untuk mengatasi masalah ketidakseimbangan kelas data yang ekstrem. Hasil penelitian menunjukkan bahwa model Late Fusion mencapai performa optimal pada data uji dengan tingkat akurasi global sebesar 63,29% dan skor Weighted F1-Score sebesar 0,5634 pada parameter bobot alpha 0,60 dan beta 0,40. Capaian akurasi model gabungan ini terbukti secara ilmiah mampu mengungguli performa model citra tunggal yang hanya berada di angka 62,78% maupun model data klinis murni sebesar 54,99%. Model yang telah dilatih kemudian dikonversi ke format TensorFlow Lite sehingga ukurannya menyusut 70,9% menjadi 4,32 MB dan di-deploy pada server cloud Render. Sistem berhasil diimplementasikan ke dalam prototipe aplikasi Android bernama DermAI melalui arsitektur client-server berbasis REST API. Pengujian blackbox menunjukkan seluruh fungsi antarmuka berjalan lancar, sedangkan uji validasi klinis lapangan bersama dokter spesialis menghasilkan tingkat keandalan langsung sebesar 35,29%. Kesimpulannya, fusi multimodal terbukti efektif meningkatkan stabilitas diagnosis lesi kulit tanpa membebani memori perangkat seluler.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > RA Public aspects of medicine > RA0421 Public health. Hygiene. Preventive Medicine R Medicine > RC Internal medicine > RC0254 Neoplasms. Tumors. Oncology (including Cancer) R Medicine > RL Dermatology Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	ATIKA PRATIWI HARAHAP
Date Deposited:	18 Aug 2026 03:01
Last Modified:	18 Aug 2026 03:01
URI:	https://rama.unimal.ac.id/id/eprint/21279

Actions (login required)

View Item