<?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="16327">
<titleInfo>
<title><![CDATA[KLASIFIKASI PENYAKIT ALZHEIMER DENGAN ENSEMBLE STACKING MENGGUNAKAN ARSITEKTUR EFFICIENTNETB3 DAN EFFICIENTNETV2S]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Galih Ashari Rakhmat, S.SI., M.T.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Firly Taufikurohman / 152018109</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>Perkembangan artificial intelligence pada bidang deep learning pada computer vision banyak diterapkan dalam mendeteksi penyakit salah satunya Alzheimer. Selain dibutuhkan suatu model dengan akurasi tinggi juga dibutuhkan efisiensi. Penelitian ini bertujuan untuk menggabungkan hasil prediksi EfficientNetB3 dengan EfficientNetV2S untuk meningkatkan accuracy dan menurunkan tingkat kesalahan. Metode ensemble stacking menggabungkan prediksi dari kedua model untuk meningkatkan kinerja model. Hasil yang diperoleh model kinerja tertinggi berdasarkan metrik evaluasi diperoleh pada ensemble model pada learning rate 0,0001 pada 50 epoch dengan evaluasi performa model 99,98% pada accuracy, 99,98% precision, 99,98% recall, dan 99,98% f1-score pada pengujian 6400 data. Selain itu ensemble model dapat menurunkan kesalahan prediksi yaitu total 1 kesalahan.</note>
<subject authority=""><topic><![CDATA[Deep Learning]]></topic></subject>
<subject authority=""><topic><![CDATA[Alzheimer]]></topic></subject>
<subject authority=""><topic><![CDATA[Ensemble Stacking]]></topic></subject>
<subject authority=""><topic><![CDATA[EfficientNetV2S]]></topic></subject>
<subject authority=""><topic><![CDATA[EfficientNetB3]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[701I/23]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[701I/23]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[701I/23]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="17669" url="" path="/152018109_701IF.pdf" mimetype="application/pdf"><![CDATA[KLASIFIKASI PENYAKIT ALZHEIMER DENGAN ENSEMBLE STACKING MENGGUNAKAN ARSITEKTUR EFFICIENTNETB3 DAN EFFICIENTNETV2S]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[16327]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2023-09-20 10:11:07]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2023-09-20 10:11:27]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>