Perbandingan Performance Metode Multi Layer Perceptron Dan Deep Neural Networks Pada Deteksi Kanker Kulit

Kanker kulit merupakan pertumbuhan pada jaringan kulit berupa benjolan yang berlebihan pada bagian atau seluruh lapisan kulit yang memiliki struktur yang tidak teratur. Penyakit kulit merupakan lapisan kulit mengalami masalah baik ruam, bersisik, iritasi, dan benjolan. Beberapa penyakit kulit dapat menjadi kanker kulit jika tidak diatasi dengan cepat. Pada penelitian ini akan mengklasifikasikan tingkat keparahan penyakit kulit. Diantaranya Melanoma, Melanocytic Nevi, Basal Cell Carcinoma, Actinic Keratosis, Benign Keratosis, dan Vascular. Dataset untuk melakukan penelitian ini berasal dari HAM10000. Pada penelitian ini menganalisis metode klasifikasi citra menggunakan Multi-Layer Perceptron (MLP) dan Deep Neural Networks. Penelitian ini menggunakan CNN model baru dan CNN pre-trained model VGG-16 (Transfer Learning) yang merupakan bagian dari deep neural networks. Tujuan dari penelitian ini yaitu mengklasifikasi citra penyakit kulit berdasarkan level keparahannya menggunakan ketiga metode tersebut, kemudian menentukan metode yang lebih handal dari segi keberhasilan mengklasifikasi citra dengan waktunya yang minim. Pada penelitian ini menggunakan Jupyter Notebook sebagai Integrated Development Environment (IDE) dan bahasa pemograman python 3.6.8. Pada penelitian ini mencari akurasi dan waktu sebagai pengukuran kehandalan metode. Hasil dari akurasi latih dan akurasi validasi pada Transfer Learning dan Convolutional Neural Network model baru cukup baik dibandingkan dengan Multi-Layer Perceptron. Hasil waktu latih pada Transfer Learning dan Convolutional Neural Network model baru juga memeliki lebih lama waktu dibandingkan Multi-Layer Perceptron. Dari segi akurasi dan waktu metode Convolutional Neural Network model baru memiliki akurasi paling baik diantara metode lainnya.