IMPLEMENTASI DAN OPTIMALISASI INCEPTIONRESNET-V2 DENGAN DATA BALANCING (STUDI KASUS KLASIFIKASI PENYAKIT PARU)
Paru-paru merupakan organ vital pada manusia karena proses bernapas pada manusia melalui organ paru-paru. Namun terdapat penyakit pada paru-paru seperti Covid-19, Pneumonia, dan Tuberculosis yang dapat mengganggu sistem bernapas pada manusia. Pendeteksian awal diperlukan dengan pemeriksaan chest x-ray. Dengan berkembangnya teknologi kecerdasan buatan dapat membantu klasifikasi chest x-ray dengan analisis citra. Dalam klasifikasi untuk analisis citra terdapat permasalahan dimana data yang digunakan tidak seimbang, sehingga dapat menyebabkan kekeliruan dalam melakukan klasifikasi. Sehingga diperlukan data balancing untuk menyeimbangkan datanya. Maka penelitian ini melakukan pelatihan menggunakan InceptionResnet-v2 dengan data balancing. Hasil performa model terbaik didapatkan dengan pelatihan menggunakan random oversampling pada model dengan menggunakan epoch 20, batch size 64, dan learning rate 0.0001 dengan nilai akurasi 89.23%, loss 0.28, precision 90.05%, recall 89.88%, F1-score 89.74%, akurasi prediksi 89.23%, dan AUC 98%.
APA Style
. (2023).IMPLEMENTASI DAN OPTIMALISASI INCEPTIONRESNET-V2 DENGAN DATA BALANCING (STUDI KASUS KLASIFIKASI PENYAKIT PARU) ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI DAN OPTIMALISASI INCEPTIONRESNET-V2 DENGAN DATA BALANCING (STUDI KASUS KLASIFIKASI PENYAKIT PARU) ().Teknik Informatika:FTI,2023.Text
MLA Style
.IMPLEMENTASI DAN OPTIMALISASI INCEPTIONRESNET-V2 DENGAN DATA BALANCING (STUDI KASUS KLASIFIKASI PENYAKIT PARU) ().Teknik Informatika:FTI,2023.Text
Turabian Style
.IMPLEMENTASI DAN OPTIMALISASI INCEPTIONRESNET-V2 DENGAN DATA BALANCING (STUDI KASUS KLASIFIKASI PENYAKIT PARU) ().Teknik Informatika:FTI,2023.Text
