<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="15123">
<titleInfo>
<title><![CDATA[IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Muhammad Ichwan, Ir.,M.T</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Muhammad Dwiki Reza / 152018122</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Teknik Informatika]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2023]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Penyebab kebutaan terbesar yang ada di Indonesia adalah katarak. Katarak merupakan gangguan penglihatan yang merupakan tanda gangguan penglihatan pertama sebelum glaukoma dan retinopati diabetes, sebab itu perlu melakukan identifikasi gangguan penglihatan sebelum terjadi kebutaan. Dengan perkembangan kecerdasaan buatan terhadap computer vision saat ini sudah banyak diterapkan dalam identifikasi gambar dibidang kesehatan. Penelitian ini menggunakan deep learning dengan metode convolution neural network (CNN) dengan arsitektur efficientnet-b7 dan menggunakan hyperparameter seperti optimizer SGD, learning rate 0,01 epoch 10 dan dropout untuk mengidentifikasi mata katarak. Hasil perfoma model yang diperoleh pada penelitian ini dengan akurasi 97%, dengan loss 0.07 mendapatkan grafik goodfit, serta mendapatkan nilai presisi sebesar 1.00, recall sebesar 1.00 dan fi-score sebesar 1.00. dapat disimpulkan bahwa metode convolution neural network (CNN) dengan arsitektur efficientnet-b7 dan hyperparameter dapat meningkatkan nilai akurasi.</note>
<subject authority=""><topic><![CDATA[Hyperparameter]]></topic></subject>
<subject authority=""><topic><![CDATA[Katarak]]></topic></subject>
<subject authority=""><topic><![CDATA[Mata]]></topic></subject>
<subject authority=""><topic><![CDATA[Efficiennet-B7]]></topic></subject>
<subject authority=""><topic><![CDATA[CNN]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[20230120]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[663IF/23]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[663IF/23]]></numerationAndChronology>
<sublocation><![CDATA[]]></sublocation>
<shelfLocator><![CDATA[663IF/23]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="15235" url="" path="/152018122_663IF.pdf" mimetype="application/pdf"><![CDATA[IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[15123]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2023-06-12 08:50:08]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2023-06-12 08:50:22]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>