Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- 1b6fef91-a308-488c-a829-82c80d0de486
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan kegiatan penelitian untuk meningkatkan ketepatan Convolutional Neural Networks (CNN) dalam mengidentifikasi kanker kulit. Kegiatan ini melibatkan Ervina, Shafira Ezza; Shidik, Guruh Fajar; dan Purwanto sebagai peserta. Penelitian tersebut membahas kanker kulit sebagai isu kesehatan global yang signifikan dan memerlukan identifikasi yang tepat serta cepat untuk meningkatkan hasil bagi pasien. Penelitian ini juga membahas tantangan dalam menemukan parameter CNN yang sesuai serta mengkaji optimasi hiperparameter sebagai metode untuk meningkatkan kinerja CNN.
Kegiatan tersebut menggunakan Grey Wolf Optimizer (GWO), yaitu pendekatan metaheuristik, untuk mengoptimalkan dua hiperparameter CNN: tingkat dropout dan tingkat pembelajaran. Dataset HAM10000 yang diperoleh dari Kaggle digunakan untuk pelatihan dan evaluasi. Dataset ini berisi citra dermatoskopi yang diklasifikasikan ke dalam tujuh kategori lesi kulit: Actinic keratoses, Basal cell carcinoma, Benign keratosis-like lesions, Dermatofibroma, Melanocytic nevi, Melanoma, dan Vascular lesions. Penelitian ini juga menggunakan tiga metode augmentasi data, yaitu rotasi, pembalikan, dan penambahan noise, bersama dengan kombinasi GWO dan CNN.
Hasil yang dilaporkan menunjukkan peningkatan akurasi CNN menjadi 87%, melampaui tolok ukur sebelumnya, serta F1-score untuk seluruh kategori lesi. Hasil tersebut menekankan kemampuan GWO untuk meningkatkan daya persuasif dan fleksibilitas model deteksi kanker kulit berbasis kecerdasan artifisial. Dalam kaitannya dengan Tujuan Pembangunan Berkelanjutan 3, kegiatan ini merupakan penelitian kesehatan mengenai pendekatan komputasional untuk mengidentifikasi kanker kulit.