PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI PENYAKIT KANKER TULANG BERDASARKAN DATA CITRA

Abstrak

Penelitian ini dilatarbelakangi oleh tingginya urgensi diagnosis dini pada kasus kanker
tulang guna menekan angka mortalitas pasien. Penyusunan penelitianini
dimaksudkan guna komparatif performa antara algoritma Convolutional Neural
Network (CNN) dengan arsitektur ResNet50, Support Vector Machine (SVM), sertaintegrasi keduanya dalam model Hybrid CNN-SVM untuk klasifikasi citra medis. Metodologi penelitian melibatkan penggunaan dataset berjumlah 8.814 citra radiologi
yang diproses melalui tahapan normalisasi dan augmentasi. Pada pengujian model
tunggal, arsitektur ResNet50 secara end-to-end menghasilkan akurasi sebesar 76%, namun menunjukkan keterbatasan dalam generalisasi tekstur mikroskopis pada lapisanklasifikasi softmax. Di sisi lain, algoritma SVM yang didukung oleh ekstraksi fitur
manual Histogram of Oriented Gradients (HOG) menunjukkan stabilitas yangsignifikan dengan akurasi 93,58%, membuktikan keunggulan metode margin optimal
dalam menangani dimensi fitur spesifik pada citra medis. Temuan krusial dalampenelitian ini menunjukkan bahwa model Hybrid CNN-SVM—yang memanfaatkanResNet50 sebagai automatic feature extractor dan SVM sebagai klasifikator akhir—berhasil mencapai performa puncak dengan akurasi 95,18%, nilai Precision 0,98, Recall 0,96, dan AUC sebesar 0,98. Hasil ini mengonfirmasi bahwa sinergi antaraekstraksi fitur hierarkis CNN dan ketangguhan klasifikasi SVMmampu meminimalisir
risiko false negative secara signifikan, sehingga sangat layak direkomendasikansebagai instrumen Computer-Aided Diagnosis (CAD) yang andal dalammembantupraktisi medis untuk deteksi dini kanker tulang.