IMPLEMENTASI DEEP LEARNING DENGAN MENGGUNAKAN EFFICIENTNETB3 UNTUK MENDETEKSI KANKER KULIT PADA APLIKASI CHATBOT

Muhammad Azka Adhitama, - (2025) IMPLEMENTASI DEEP LEARNING DENGAN MENGGUNAKAN EFFICIENTNETB3 UNTUK MENDETEKSI KANKER KULIT PADA APLIKASI CHATBOT. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Kanker kulit merupakan ancaman kesehatan global yang semakin serius dan membutuhkan penanganan segera. Deteksi dini berperan krusial dalam menekan angka morbiditas, mortalitas, serta biaya pengobatan dengan memungkinkan intervensi yang lebih cepat dan efektif sebelum kanker berkembang ke tahap lanjut. Penelitian ini mengembangkan aplikasi chatbot berbasis website yang dibuat mendeteksi kanker kulit dengan mengintegrasikan model EfficientNetB3 dan GPT-4o. GPT-4o tidak hanya berperan dalam memahami dan merespons bahasa alami, tetapi juga digunakan untuk memvalidasi apakah gambar yang diunggah pengguna mengindikasikan kanker kulit atau tidak melalui fitur image analysis. Hasil pengujian menunjukkan bahwa model EfficientNetB3 memiliki performa yang sangat baik dengan test accuracy, average precision, average recall, dan average f1-score sebesar 93%. Sementara itu, chatbot GPT-4o yang menggunakan metode prompt engineering berhasil untuk membatasi ruang lingkup percakapan menjadi kanker kulit saja, lalu GPT-4o menunjukkan kinerja yang sangat baik dalam menganalisis gambar dengan akurasi pengujian sebesar 94%. Selain itu, hasil evaluasi fungsionalitas sistem chatbot yang menggunakan metode black box menunjukkan hasil yang memuaskan, di mana seluruh skenario pengujian berjalan sesuai dengan rancangan awal. Integrasi antara model EfficientNetB3 dan GPT-4o terbukti dapat meningkatkan efektivitas serta akurasi dalam deteksi kanker kulit. Penggunaan GPT-4o Vision sebagai validator input memungkinkan EfficientNetB3 hanya mendeteksi gambar yang benar-benar terindikasi sebagai kanker kulit, sehingga meningkatkan keandalan serta ketepatan hasil deteksi.
-------
Skin cancer is an increasingly serious global health threat that requires immediate attention. Early detection plays a crucial role in reducing morbidity, mortality, and treatment costs by enabling faster and more effective interventions before the cancer progresses to advanced stages. This study develops a web-based chatbot application designed to detect skin cancer by integrating the EfficientNetB3 model and GPT-4o. GPT-4o not only plays a role in understanding and responding to natural language but is also used to validate whether the image uploaded by the user indicates skin cancer through an image analysis feature. Test results show that the EfficientNetB3 model performs exceptionally well, achieving a test accuracy, average precision, average recall, and average F1-score of 93%. Meanwhile, the GPT-4o chatbot, utilizing prompt engineering methods, successfully restricts the conversation scope to skin cancer only, and GPT-4o demonstrated excellent performance in image analysis with a test accuracy of 94%. Additionally, the functional evaluation of the chatbot system using the black box testing method yielded satisfying results, with all test scenarios running according to the initial design. The integration of EfficientNetB3 and GPT-4o has proven to enhance the effectiveness and accuracy of skin cancer detection. The use of GPT-4o Vision as an input validator allows EfficientNetB3 to detect only images that are truly indicative of skin cancer, thereby increasing the reliability and precision of the detection results.

	Text S_TEKOM_2109981_Title.pdf Download (626kB)
	Text S_TEKOM_2109981_Chapter1.pdf Download (311kB)
	Text S_TEKOM_2109981_Chapter2.pdf Restricted to Staf Perpustakaan Download (722kB)
	Text S_TEKOM_2109981_Chapter3.pdf Download (1MB)
	Text S_TEKOM_2109981_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TEKOM_2109981_Chapter5.pdf Download (61kB)
	Text S_TEKOM_2109981_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=list_works&hl=en&user=y9p0u8IAAAAJ ID SINTA Dosen Pembimbing: Muhammad Taufik Dwi Putra: 6745726 Munawir: 6745899
Uncontrolled Keywords:	Kanker Kulit, Deteksi Dini, EfficientNetB3, GPT-4o, Chatbot, Skin Cancer, Early Detection
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	UPI Kampus cibiru > S1 Teknik Komputer
Depositing User:	Muhammad Azka Adhitama
Date Deposited:	09 May 2025 03:55
Last Modified:	09 May 2025 03:55
URI:	http://repository.upi.edu/id/eprint/132865

Actions (login required)

View Item