IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7


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.


LOADING LIST...

LOADING LIST...

Detail Information

Bagian Informasi
Pengarang Muhammad Dwiki Reza / 152018122 - Personal Name
Muhammad Ichwan, Ir.,M.T - Personal Name
No. Panggil 663IF/23
Subyek CNN
Efficiennet-B7
Mata
Katarak
Hyperparameter
Fakultas FTI
Tahun Terbit 2023
Jurusan Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik


Citation

. (2023).IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7().Teknik Informatika:FTI

.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7().Teknik Informatika:FTI,2023.Text

.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7().Teknik Informatika:FTI,2023.Text

.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7().Teknik Informatika:FTI,2023.Text

 



Homepage Info

Koleksi  ETD adalah merupakan Tugas Akhir mahasiswa Itenas dalam menempuh program Sarjana/Magister. Seluruh isi dari Tugas Akhir adalah merupakan tanggung jawab penulis sepenuhnya.

Koleksi


Total ETDs : 20322

Total Kunjungan: 26011 dari Maret 2018

Media Sosial / Kanal

Address

UPT Perpustakaan Itenas
Jl. PKH. Mustopha No.23
Bandung 40124, Indonesia
Phone: +62-22-7272215,
email: libary[at]itenas.ac.id