PERANCANGAN DAN PENGEMBANGAN PENDETEKSI PENYAKIT MELANOMA MENGGUNAKAN METODE GREY LEVEL CO-OCCURANCE MATRIX (GLCM) DAN METODE KLASIFIKASI CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Melanoma merupakan salah satu jenis penyakit kulit berupa tumor ganas yang berkembang pada sel melanosit penghasil melanin. Penyakit ini merupakan penyakit langka, namun memiliki risiko kematian yang tinggi jika tidak segera ditangani. Salah satu cara yang dapat membantu penanganan melanoma adalah diagnosis secara dini terhadap penyakit tersebut. Pada penelitian ini dirancang sebuah pendeteksi penyakit melanoma menggunakan Raspberry pi dan pi camera dengan mengimplementasikan metode ekstraksi fitur Grey Level Co-Occurance Matrix (GLCM) dan metode klasifikasi Convolutional Neural Network (CNN). Citra input akan diolah melalui proses preprocessing berupa proses grayscale, image adjustment, dan cropping. Citra hasil pre-processing akan diekstraksi menggunakan metode GLCM berdasarkan parameter contrast, correlation, entropy, dan uniformity. Tahap terakhir, citra akan diklasifikasikan apakah merupakan penyakit melanoma atau non-melanoma menggunakan metode CNN. Pengujian dilakukan menggunakan dataset yang berjumlah 416 data citra nevus dan melanoma serta citra validasi yang berjumlah 16 sampel citra nevus. Dari hasil pengujian didapatkan hasil akurasi sebesar 85% dengan F1-score sebesar 89% sehingga hasil penelitian ini dapat digunakan sebagai salah satu alat bantu untuk proses screening kasus penyakit melanoma.

Kata Kunci: Convolutional Neural Network (CNN), Grey Level Co-Occurance Matrix (GLCM), Melanoma, Deep Learning, Image Processing.