Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Mengatasi Citra Tidak Seimbang dan Berkontras Rendah dalam Klasifikasi Kanker Kulit dengan SMOTE dan CLAHE

Rektorat UDINUS 2025 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2025
Tujuan
Nomor
ae1dfd29-352d-491f-90a3-52f198f7c33b
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan penelitian tentang klasifikasi kanker kulit dengan menggunakan model deep learning InceptionV3 bersama Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Synthetic Minority Over-sampling (SMOTE). Kegiatan ini melibatkan Mastuti, Anisa Khusnul; Shidik, Guruh Fajar; Supriyanto, Catur; dan Marjuni, Aris sebagai peserta dari UDINUS. Penelitian tersebut membahas kebutuhan terhadap metode diagnosis kanker kulit yang efisien serta persoalan kualitas citra dan ketidakseimbangan kelas dalam dataset medis.

Dalam pendekatan yang dilaporkan, InceptionV3 digunakan untuk membedakan lesi jinak dan lesi ganas. CLAHE digunakan untuk meningkatkan kualitas citra. SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dengan menghasilkan sampel sintetis bagi kasus ganas yang kurang terwakili. Dampak yang dinyatakan dari pendekatan tersebut adalah peningkatan sensitivitas model dan pengurangan false negative. Eksperimen dilakukan menggunakan dataset publik HAM10000.

Penelitian ini mengusulkan tiga skema penerapan SMOTE, yaitu penyeimbangan data pelatihan, penyeimbangan data pelatihan dan validasi, serta penyeimbangan seluruh data. Hasil eksperimen melaporkan bahwa integrasi CLAHE dan SMOTE dengan model InceptionV3 meningkatkan akurasi klasifikasi hingga 95,44 persen. Kegiatan ini berkaitan dengan penelitian kesehatan yang berfokus pada metode klasifikasi citra kanker kulit dan pembedaan lesi jinak serta lesi ganas. Informasi tambahan mengenai konteks kelembagaan, pelaksanaan, dan hasil lainnya tidak tersedia dalam sumber.

Rujukan https://www.scopus.com/pages/publications/105037918235?origin=resultslist