DETEKSI DINI MELANOMA MENGGUNAKAN ALGORITMA HYBRID FCM-CNN BERBASIS ANDROID

EARLY DETECTION OF MELANOMA USING ANDROID-BASED HYBRID FCM-CNN ALGORITHM

Menurut Global Cancer Observatory, kasus melanoma terendah terjadi pada populasi Asia sekitar 25% dari 100.000 penduduk di tahun 2018. Melanoma adalah keganasan melanosit, sel penghasil melanin (pigmen) di lapisan basal epidermis. Keberadaan melanoma sering tidak diketahui oleh banyak orang menjadi salah satu penyebab tingginya angka kematian yang disebabkan oleh kanker kulit ini. Penelitian ini bertujuan untuk meningkatkan peluang kesembuhan dan menurunkan angka kematian akibat melanoma. Dengan mengimplementasikan algoritma hybrid Fuzzy C-Means (FCM) dan Convolutional Neural Network (CNN) berbasis Android menggunakan dataset ISIC 2017.  Algoritma ini memanfaatkan keunggulan segmentasi yang dimiliki oleh FCM, seperti menghasilkan area yang lebih homogen, mengurangi penyebaran blobs, mengurangi noise, dan meminimalisir sensitivitas terhadap noise. Serta memanfaatkan CNN dalam proses klasifikasi dimana secara otomatis mengekstraksi fitur-fitur dari data latih, yang menghilangkan ketergantungan pada berbagai fitur dasar dan berpotensi meningkatkan kualitas pelatihan. Aplikasi dikembangkan menggunakan Kotlin dengan metodologi CRISP-DM dalam proses analisis data, meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan menggunakan Rapid Application Development (RAD). Evaluasi model dilakukan dengan menggunakan K-Fold Cross-Validation dan pengujian aplikasi menggunakan Black Box Testing. Hasil penelitian menunjukkan bahwa model hybrid FCM-CNN memberikan performa terbaik pada skala pembagian dataset 80:20 menggunakan epoch 50, batch size 16, optimizer Adam, dan K-Fold 10 dengan akurasi 99.42%. Hasil uji analisis pada aplikasi deteksi melalui kamera detector jarak jauh menggunakan smartphone Samsung A23 dengan akurasi rata-rata hasil uji analisis aplikasi mencapai 78.33%. Dengan penelitian ini diharapkan memberikan kontribusi pada perkembangan teknologi di bidang medis untuk mengidentifikasi melanoma secara dini.

According to the Global Cancer Observatory, the lowest melanoma cases occurred in the Asian population at around 25% of 100,000 population in 2018. Melanoma is a malignancy of melanocytes, the melanin (pigment) producing cells in the basal layer of the epidermis. The unrecognized presence of melanoma is one of the reasons for the high mortality rate caused by this skin cancer. This research aims to increase the chance of cure and decrease the mortality rate due to melanoma. By implementing an Android-based hybrid Fuzzy C-Means (FCM) and Convolutional Neural Network (CNN) algorithm using the 2017 ISIC dataset. This algorithm utilizes the segmentation advantages possessed by FCM, such as producing more homogeneous areas, reducing the spread of blobs, reducing noise, and minimizing sensitivity to noise. It also utilizes CNN in the classification process which automatically extracts features from the training data, which eliminates the dependency on various base features and potentially improves the training quality. The application was developed using Kotlin with CRISP-DM methodology in the data analysis process, including business understanding, data understanding, data preparation, modelling, evaluation, and deployment using Rapid Application Development (RAD). Model evaluation is done using K-Fold Cross-Validation and application testing using Black Box Testing. The results show that the FCM-CNN hybrid model provides the best performance on a dataset division scale of 80:20 using epoch 50, batch size 16, Adam optimizer, and K-Fold 10 with 99.42% accuracy. The results of the analysis test on the detection application through a remote detector camera using a Samsung A23 smartphone with an average accuracy of the application analysis test results reached 78.33%. This research is expected to contribute to the development of technology in the medical field to identify melanoma early.