EVALUASI PERFORMA METODE DEEP LEARNING UNTUK KLASIFIKASI CITRA LESI KULIT THE HAM10000

Abstrak

The HAM10000 Dataset merupakan koleksi besar citra dermatoskopi untuk lesi kulit berpigmen yang umum. The HAM10000 Dataset terdiri atas 10.015 data citra lesi kulit berpigmen yang terbagi untuk penyakit Bowen, karsinoma sel basal, benign keratosis-like lesion, dermatofibroma, melanoma, melanocytic nevi, dan lesi vaskular. Data citra yang terdapat dalam dataset telah terkonfirmasi baik melalui histopatologi, pemeriksaan follow-up, konsensus pakar, maupun konfirmasi melalui in-vivo confocal microscopy. Pada penelitian ini kami melakukan pengujian performa terhadap model deep learning dan melakukan evaluasi. Tahap pre-processing citra meliputi analisis distribusi citra pada setiap kelas lesi, pengelompokan ulang kelas lesi berdasarkan letak pada bagian tubuh, dan augmentasi citra. Oleh karena keterbatasan data citra setelah dilakukan analisis distribusi maka model yang dibangun pada penelitian ini hanya berfokus pada kelas lesi untuk abdomen, punggung, ekstremitas atas dan bawah. Evaluasi ini dilakukan terhadap beberapa metode yang terkenal InceptionV3, MobileNet dan MobileNetV2. Ukuran performa yang dilakukan meliputi analisis confusion matrix yakni dengan mengambil nilai precision dan recall, dan f1-score.