Klasifikasi penyakit mata dengan kustomisasi arsitektur Convolution Neural Network

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Bahreisy, Moh. Faqih (2024) Klasifikasi penyakit mata dengan kustomisasi arsitektur Convolution Neural Network. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Moh Faqih Bahreisy_09040620056 OK.pdf Download (845kB)
	Text Moh Faqih Bahreisy_09040620056 Full.pdf Restricted to Repository staff only until 7 September 2027. Download (9MB)

Abstract

Penyakit mata dapat mempengaruhi dampak signifikan terhadap kualitas hidup masyarakat karena mata adalah indera penting untuk melihat, jika dibiarkan kondisi ini dapat menyebabkan kebutaan, sehingga perlu campur tangan dari tim medis untuk menanganinya. Saat ini penyakit mata beragam jenisnya, dalam rangka mengurangi gejala dan mencegah berkembangnya penyakit mata yang semakin beragam jenisnya ini, perlu adanya terobosan yang dapat membantu tim medis dalam melakukan diagnosa penyakit pada mata. Convolutional Neural Network (CNN), sebagai salah satu metode deep learning yang dapat menawarkan peluang besar dalam deteksi dan diagnosa penyakit mata melalui analisis citra digital. arsitektur ini terbukti efektif dalam klasifikasi dan deteksi penyakit mata. Penelitian ini dilakukan untuk mencari arsitektur CNN yang memiliki hasil keakuratan dan estimasi waktu yang lebih cepat. Perancangan arsitektur menjadi riset untuk menghasilkan arsitektur tersebut seperti melakukan kustomisasi dengan mengkombinasikan penerapan lapisan convolution dengan separable convolution. Kustomisasi arsitektur CNN yang dirancang menunjukkan akurasi yang cukup baik untuk klasifikasi penyakit mata, terutama setelah diterapkan teknik augmentasi data. Arsitektur 5 blok convolution dan separable convolution layer dengan fungsi aktivasi Leaky ReLU, menghasilkan performa terbaik dengan akurasi 84,4% pada skenario normal dan pada skenario augmentasi dengan fugnsi aktivasi ReLU mencapai 97,6%. Performa dalam klasifikasi penyakit mata juga terbilang sangat cepat dan akurat, hal tersebut terjadi karena penggunaan separable convolution layer yang dapat mengurangi jumlah parameter dan kompleksitas komputasi tanpa mengorbankan akurasi.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Bahreisy, Moh. Faqih reikun1207@gmail.com 09040620056
Contributors:	Contribution Name Email NIDN Thesis advisor Nugroho, Bayu Adhi bayu@uinsa.ac.id 0718057902 Thesis advisor Kunaefi, Anang akunaefi@uinsby.ac.id 2013117902
Subjects:	Komputer Teknologi > Teknologi Informasi
Keywords:	Klasifikasi Gambar; Penyakit Mata; Kustomisasi Arsitektur; Convolution Neural Network; Separable Convolution
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Moh. Faqih Bahreisy
Date Deposited:	07 Sep 2024 00:00
Last Modified:	07 Sep 2024 00:00
URI:	http://digilib.uinsa.ac.id/id/eprint/70932

Actions (login required)

View Item