Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2023
- Tujuan
- Nomor
- bd9fad00-af0b-4d70-943e-bb4800c21603
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS), melalui peneliti Supriyanto, Catur; Salam, Abu; Zeniarja, Junta; dan Wijaya, Adi, melaksanakan kegiatan evaluasi kinerja metode oversampling untuk klasifikasi kanker kulit berbasis pembelajaran mendalam. Kegiatan ini membahas tantangan dalam deteksi dini kanker kulit dengan membandingkan data asli, data yang diperbesar, dan data dengan oversampling SMOTE serta mengkaji pengaruhnya terhadap kinerja klasifikasi.
Kegiatan ini menggunakan citra lesi kulit dari dataset MNIST Skin Cancer yang disebut sebagai HAM 10000. Dataset tersebut mencakup kasus kanker dan kasus jinak. Peneliti UDINUS menyiapkan data asli, data yang diperbesar, dan data yang diproses dengan oversampling SMOTE. Augmentasi data digunakan untuk memperluas ukuran dataset dan meningkatkan keragaman fitur lesi kulit. Oversampling SMOTE digunakan untuk menangani ketidakseimbangan kelas dengan menghasilkan sampel sintetis bagi kelompok yang kurang terwakili.
Dengan menggunakan kondisi dataset tersebut, peneliti melatih model Convolutional Neural Network. Kinerja model dievaluasi menggunakan akurasi, recall, precision, dan F1-score. Perbandingan hasil menunjukkan adanya perbedaan kinerja antara data asli, data yang diperbesar, dan data dengan oversampling SMOTE. Temuan kegiatan menyatakan bahwa augmentasi data dan oversampling SMOTE dapat secara signifikan meningkatkan efektivitas deteksi kanker kulit.
Kegiatan UDINUS ini merupakan penelitian kesehatan mengenai deteksi kanker kulit dan evaluasi metode yang digunakan dalam penelitian tersebut. Kegiatan ini mencakup penyiapan dataset, augmentasi data, oversampling SMOTE, dan evaluasi model pembelajaran mendalam untuk tugas klasifikasi kanker kulit.