KLASIKASI CITRA PADA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR DENSENET201 MENGGUNAKAN OPTIMASI ADAM DAN SGD

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Densenet201 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan Densenet201 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.96 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Densenet201 menggunakan Optimasi Adam pada Akuisisi Data 70 % dan 30 %, dan Batch Size 64 dengan memperoleh akurasi sebesar 0.86. Pada pelatihan dan pengujian dengan data uji/validasi, model Densenet201 menggunakan Optimasi SGD pada akuisisi data 80 % dan 20 %, menggunakan Batch Size 32 mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 338 gambar, sedangkan terdapat 22 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 334 gambar yang diklasifikasikan dengan benar dan hanya 6 gambar yang salah diklasifikasikan.