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.
APA Style
. (2023).IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7 ().Teknik Informatika:FTI
Chicago Style
.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7 ().Teknik Informatika:FTI,2023.Text
MLA Style
.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7 ().Teknik Informatika:FTI,2023.Text
Turabian Style
.IDENTIFIKASI MATA KATARAK MENGGUNAKAN ARSITEKTUR EFFICIENTNET-B7 ().Teknik Informatika:FTI,2023.Text
