Achmyatari, 201769040019 (2021) PERBANDINGAN ARSITEKTUR LENET DAN GOOGLENET DALAM KLASIFIKASI DIABETIC RETINOPATHY PADA CITRA RETINA FUNDUS. Sarjana thesis, Universitas Yudharta.
Text (BAB I.pdf)
201769040019_BAB I.pdf Download (202kB) |
|
Text (BAB II.pdf)
201769040019_BAB II.pdf Restricted to Registered users only Download (955kB) | Request a copy |
|
Text (BAB III.pdf)
201769040019_BAB III.pdf Restricted to Registered users only Download (351kB) | Request a copy |
|
Text (BAB IV.pdf)
201769040019_BAB IV.pdf Restricted to Registered users only Download (529kB) | Request a copy |
|
Text (BAB V.pdf)
201769040019_BAB V.pdf Restricted to Registered users only Download (185kB) | Request a copy |
|
Text (COVER DEPAN.pdf)
201769040019_COVER DEPAN.pdf Download (546kB) |
|
Text (DAFTAR PUSTAKA.pdf)
201769040019_DAFTAR PUSTAKA.pdf Download (412kB) |
|
Text (LAMPIRAN - LAMPIRAN.pdf)
201769040019_LAMPIRAN - LAMPIRAN.pdf Download (1MB) |
Abstract
Iridiologi merupakan salah satu bidang ilmu teknologi yang saat ini banyak diterapkan untuk mempermudah mendeteksi penyakit pada tubuh seseorang melalui retina mata, salah satunya adalah mendeteksi penyakit diabetik retinopati. Retina merupakan struktur paling penting pada mata yang memiliki angka tertinggi konsumsi oksigen dari jaringan dalam tubuh. Pada penelitian ini penulis mengkaji proses klasifikasi diabetik retinopati melalui retina mata. Metode yang bisa digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur LeNet dan GoogleNet. Data citra yang digunakan pada penelitian ini adalah data citra retina fundus diambil dari Kaggle dataset repository sebanyak 2500 data citra. Tujuan penelitian ini adalah membandingkan tingkat akurasi arsitektur LeNet dan GoogleNet dalam mengklasifikasi diabetic retinopathy untuk mengetahui model terbaik. Berdasarkan proses uji coba yang sudah dilakukan dengan pembagian data 80%-20%, model LeNet menghasilkan nilai akurasi terbaik sebesar 94.50% dengan jumlah batch size 16 dan epoch sebanyak 100. Sedangkan model GoogleNet menghailkan nilai akurasi terbaik sebesar 84.16% dengan jumlah batch size 4 dan epoch sebanyak 300.
Item Type: | Thesis (Sarjana) | ||||||
---|---|---|---|---|---|---|---|
Identification Number: | 004.678 ACH P | ||||||
Contributors: |
|
||||||
Subjects: | Karya Umum > Ilmu Umum dan Komputer | ||||||
Divisions: | Fakultas Teknik > Teknik Informatika | ||||||
Date Deposited: | 19 Nov 2021 13:17 | ||||||
Last Modified: | 08 Apr 2023 02:05 | ||||||
URI: | https://repository.yudharta.ac.id/id/eprint/1345 |
Actions (login required)
View Item |