RANCANG BANGUN SISTEM PREDIKSI KANKER PARUPARU PADA CITRA HISTOPATOLOGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET-50

Kanker paru-paru merupakan salah satu penyebab utama kematian di dunia,
sehingga diperlukan metode deteksi dini yang akurat dan efisien. Penelitian ini
bertujuan untuk merancang dan membangun sistem prediksi kanker paru-paru pada
citra histopatologi menggunakan Convolutional Neural Network (CNN) dengan
arsitektur ResNet-50. Model ini diterapkan untuk mengklasifikasikan citra
histopatologi guna mendeteksi adanya sel kanker dengan tingkat akurasi yang
tinggi. Dataset yang digunakan dalam penelitian ini terdiri dari citra histopatologi
yang telah melalui tahap preprocessing, termasuk normalisasi dan augmentasi data,
guna meningkatkan performa model. Arsitektur ResNet-50 dipilih karena
kemampuannya dalam menangani permasalahan vanishing gradient serta
meningkatkan akurasi klasifikasi. Model dilatih menggunakan optimasi yang tepat
dan dievaluasi berdasarkan metrik akurasi, loss, precision, recall, dan F1-score
untuk memastikan performa terbaik. Hasil eksperimen menunjukkan bahwa model
ResNet-50 dengan lapisan tambahan yang diterapkan berhasil mencapai akurasi
tinggi dalam klasifikasi citra histopatologi kanker paru-paru. Selain itu, sistem ini
dikembangkan menggunakan framework Streamlit untuk membangun antarmuka
berbasis web, memungkinkan pengguna melakukan prediksi secara real-time
dengan mudah. Implementasi sistem berbasis web ini bertujuan untuk
meningkatkan aksesibilitas dan kemudahan penggunaan bagi tenaga medis. Dengan
adanya sistem ini, diharapkan tenaga medis dapat terbantu dalam proses diagnosis
awal kanker paru-paru secara lebih cepat, akurat, dan efisien, sehingga dapat
meningkatkan peluang keberhasilan pengobatan bagi pasien.