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.