Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Meningkatkan Kinerja Klasifikasi Kanker Kulit Menggunakan SMOTE-RENN: Pendekatan Pengambilan Sampel Ulang Hibrida

Rektorat UDINUS 2025 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2025
Tujuan
Nomor
91e67d89-9f56-4e8a-a931-b884ce31346a
Terbit
2026-10-30

Universitas Dian Nuswantoro (UDINUS), melalui partisipasi Wulansari, Novia Wahyu; Soeleman, Moch Arief; Supriyanto, Catur; dan Muslih, melaksanakan kegiatan yang membahas pengembangan klasifikasi kanker kulit secara otomatis berbasis citra medis. Kegiatan ini merespons kondisi bahwa kanker kulit semakin umum terjadi dan dapat menimbulkan konsekuensi serius apabila tidak dideteksi secara dini. Fokus kegiatan adalah tantangan utama dalam klasifikasi, yaitu ketidakseimbangan data antarkelas, ketika beberapa jenis kanker memiliki jumlah citra yang jauh lebih sedikit dibandingkan jenis lainnya.

Kegiatan ini mengusulkan SMOTE-RENN sebagai teknik gabungan oversampling dan pengurangan noise. Metode tersebut digunakan untuk menyeimbangkan data pelatihan sebelum proses klasifikasi dilakukan. Dataset yang digunakan berupa citra dermatoskopi yang bersumber dari HAM10000. Proses klasifikasi dilakukan dengan pendekatan arsitektur deep learning menggunakan CNN, ResNet50, dan DenseNet121. Evaluasi yang dilaporkan menggunakan akurasi, presisi, recall, dan F1-score untuk menilai hasil klasifikasi.

Hasil pengujian menunjukkan bahwa penerapan SMOTE-RENN secara konsisten meningkatkan kinerja model. Evaluasi tersebut juga melaporkan hasil yang lebih stabil dan akurat setelah pendekatan diterapkan. Nilai tertinggi yang dilaporkan untuk akurasi, presisi, recall, dan F1-score adalah 99% pada model ResNet dan DenseNet. Berdasarkan hasil tersebut, kegiatan ini menunjukkan bahwa SMOTE-RENN berpotensi mendukung sistem deteksi kanker kulit otomatis yang lebih andal dan adil untuk seluruh kategori penyakit. Kegiatan ini berkaitan dengan penelitian kesehatan melalui pengembangan dan evaluasi pendekatan berbasis kecerdasan buatan untuk klasifikasi citra medis. Dengan demikian, UDINUS membingkai kegiatan ini sebagai kontribusi penelitian yang berfokus pada penanganan ketidakseimbangan data dalam deteksi kanker kulit otomatis.

Rujukan https://www.scopus.com/pages/publications/105031584690?origin=resultslist