Detail Cantuman

PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG

MUHAMMAD ARKAN ADLI / 152021168 - Personal Name
120240203 - Chalifa Chazar, S.T., M.T. - Personal Name
Text English 2025 Teknik Informatika : FTI

Penelitian ini mengatasi tantangan fundamental ketidakseimbangan kelas pada dataset APTOS 2019 untuk klasifikasi tingkat keparahan retinopati diabetik (diabetic retinopathy), suatu kondisi yang berisiko menghasilkan model diagnosis yang bias terhadap kelas mayoritas. Tujuan utama penelitian ini adalah untuk merancang dan mengevaluasi sebuah model klasifikasi berbasis arsitektur
EfficientNet-B0 agar memiliki performa lebih adil di seluruh kelas dengan menerapkan strategi augmentasi citra yang terarah. Metodologi penelitian melibatkan preprocessing citra fundus dan penerapan augmentasi selektif mencakup rotasi, flip horizontal, penyesuaian kecerahan, dan penyesuaian kontras
dengan metode oversampling hanya pada data latih. Strategi ini berhasil menyeimbangkan distribusi setiap kelas dalam set pelatihan menjadi 1.444 sampel, sementara set validasi dan uji dibiarkan dalam kondisi aslinya untuk evaluasi yang
representatif. Hasil menunjukkan bahwa model tanpa augmentasi (Skenario 1) memiliki kinerja yang sangat timpang dengan F1-Score rendah pada kelas minoritas seperti Mild (0,1429) dan Severe (0,0870), yang mengonfirmasi adanya bias.
Sebaliknya, skenario terbaik yang mengombinasikan seluruh teknik augmentasi
(Skenario 5) menunjukkan peningkatan performa yang signifikan dan merata,
dengan F1-Score untuk kelas No_DR (0,9781), Mild (0,6500), Moderate (0,7411),
Severe (0,4211), dan Proliferate_DR (0,6415). Analisis confusion matrix pada
skenario terbaik juga menunjukkan distribusi prediksi yang paling seimbang,
dengan kesalahan klasifikasi yang cenderung terjadi pada tingkat keparahan yang
berdekatan secara klinis, seperti prediksi Severe menjadi Moderate. Dengan
demikian, penelitian ini menyimpulkan bahwa pendekatan augmentasi terarah,
khususnya kombinasi rotasi, flip, penyesuaian kecerahan, dan kontras, terbukti
efektif sebagai solusi untuk mengatasi ketidakseimbangan dataset

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	MUHAMMAD ARKAN ADLI / 152021168 - Personal Name 120240203 - Chalifa Chazar, S.T., M.T. - Personal Name
No. Panggil	861IF/25
Subyek	Retinopati Diabetik, Klasifikasi Citra, Ketidaksei Ketidakseimbangan Kelas, Augmentasi Citra Deep Learning, EfficientNet-B0, Oversampling. Diabetic Retinopathy, Image Classification Class Imbalance, Image Augmentation, Deep Learning EfficientNet-B0, Oversampling
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG().Teknik Informatika:FTI

Chicago Style

.PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG().Teknik Informatika:FTI,2025.Text

MLA Style

.PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG().Teknik Informatika:FTI,2025.Text

Turabian Style

.PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG().Teknik Informatika:FTI,2025.Text

Detail Cantuman

PENDEKATAN AUGMENTASI CITRA FUNDUS PADA MODEL EFFICIENTNET UNTUK KLASIFIKASI TINGKAT KEPARAHAN RETINOPATI DIABETIK DENGAN DATASET TIDAK SEIMBANG

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address