Panca Wiguna Sitanggang Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S1) 2025

Skripsi

Melanoma merupakan salah satu jenis kanker kulit ganas dengan tingkat kematian yang tinggi. Deteksi dini sangat penting untuk meningkatkan peluang kesembuhan pasien. Penelitian ini bertujuan mengembangkan sistem klasifikasi melanoma berbasis Edge AI, di mana seluruh proses inferensi dilakukan langsung di perangkat edge tanpa bergantung pada server cloud. Metode Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan untuk meningkatkan kualitas citra, dan arsitektur deep learning VGG-19 serta ResNet-50 diterapkan untuk klasifikasi citra. Sistem diimplementasikan pada perangkat NVIDIA Jetson Orin Nano untuk memastikan efisiensi komputasi, latensi rendah, dan kemandirian operasional dalam diagnosis real-time. Antarmuka pengguna berbasis Streamlit menampilkan hasil klasifikasi secara langsung, termasuk persentase prediksi antara kategori melanoma dan kulit normal serta waktu inferensi. Hasil evaluasi menunjukkan bahwa model VGG-19 dengan citra hasil CLAHE mencapai akurasi, presisi, recall, specificity, dan F1-score sebesar 100%. Model ResNet-50 dengan citra CLAHE mencatat akurasi dan recall sebesar 100%, serta presisi dan specificity sebesar 99%. Waktu inferensi tercepat tercatat pada ResNet-50 dengan citra asli sebesar 0,2241 detik, sedangkan waktu terlama pada VGG-19 dengan citra asli sebesar 0,6618 detik. Penelitian ini menunjukkan bahwa kombinasi CLAHE, CNN, dan Edge AI menghasilkan sistem klasifikasi melanoma yang akurat, efisien, dan sepenuhnya mandiri. Video demonstrasi dari sistem ini tersedia di: https://youtu.be/yfYsOUswJBI. Kata Kunci: Melanoma, Streamlit, Edge AI, CLAHE, VGG-19, ResNet-50, NVIDIA Jetson, Deep Learning. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159867 2025-07-10 20:12:46 2025-07-11 09:41:38 machine generated