PERBANDINGAN KLASIFIKASI CITRA SEL PROSTAT MENGGUNAKAN DEEP LEARNING MODELS GOOGLENET, RESNET-101 DAN VGG-19

KANKER PROSTAT MERUPAKAN KANKER YANG TERJADI PADA SISTEM SALURAN KEMIH YANG TERBANYAK TERJADI PADA POPULASI PRIA DAN TERJADI PADA KELENJAR PROSTAT DARI REPRODUKSI PRIA. KANKER INI BERMUNCUL KETIKA MULAI BERMUTASI DAN BERKEMBANG BIAK SECARA TIDAK TERKENDALI. DIAGNOSA UTAMA PADA KANKER PROSTAT DENGAN COLOK DUBUR, PENGUKURAN PSA, BIOPSI PROSTAT DAN SIDIK TULANG MELALUI CT SCAN. DENGAN SEMUA METODE PEMERIKSAAN TERSEBUT KURANG EFISIEN KARENA MEMBUTUHKAN WAKTU LAMA. DENGAN ADANYA PERKEMBANGAN TEKNOLOGI, PADA PENELITIAN INI AKAN MENGGUNAKAN ALAT BANTU KOMPUTER DAN GAMBAR MIKROKOPIS UNTUK MENGKLASIFIKASIKAN CITRA SEL PROSTAT BERDASARKAN TINGKAT KEPARAHAN PENYAKIT KANKER PROSTAT YANG MEMANFAATKAN JARINGAN SARAF TIRUAN DENGAN MENGGUNAKAN SISTEM DEEP LEARNING. SISTEM INI UNTUK KLASIFIKASI CITRA MENGGUNAKAN METODE DEEP LEARNING DARI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) YAITU GOOGLENET, RESNET-101 DAN VGG-19. UNTUK MENGETAHUI ALGORITMA TERBAIK DALAM KLASIFIKASI CITRA DILIHAT DARI HASIL GRAFIK TRAINING DAN PERHITUNGAN HASIL CONFUSION MATRIX. SEBAGAI PENGUKURAN KEHANDALAN METODE PADA PENELITIAN INI BERKAIT DENGAN AKURASI, WAKTU KOMPUTASI, KESTABILAN GRAFIK DAN HASIL PERHITUNGAN CONFUSION MATRIX. METODE YANG DIAJUKAN MEMILIKI KEMAMPUAN DALAM MENGKLASIFIKASIKAN CITRA SEL PROSTAT DENGAN HASIL AKURASI TRAINING DATA LATIH TERBAIK ADALAH MODEL RESNET-101, WAKTU KOMPUTASI YANG TERCEPAT ADALAH GOOGLENET DAN HASIL TESTING PENGUJIAN PERHITUNGAN CONFUSION MATRIX TERBAIK ADALAH MODEL RESNET-101 DENGAN RATA-RATA AKURASI 97,70%, RATA-RATA PRESISI 93,19%, RATA-RATA RECALL 93,25%, RATA-RATA SPESIFISITAS 98,62