TA : Klasifikasi Fundus Diabetic Retinopathy Menggunakan Deep Learning

Afkariansyah, Gusti Rafi (2022) TA : Klasifikasi Fundus Diabetic Retinopathy Menggunakan Deep Learning. Undergraduate thesis, Universitas Dinamika.

[img]
Preview
Text
1841020008-2022-UNIVERSITASDINAMIKA.pdf - Accepted Version

Download (1MB) | Preview
[img] Text
1841020008-2022-LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB)

Abstract

Diabetic Retinopathy adalah salah satu penyakit yang terjadi pada seseorang yang menderita penyakit diabetes, penyakit ini menimbulkan kerusakan pada mata penderita, yang apabila tidak ditangani sejak dini akan mengakibatkan kebutaan. Penelitian sebelumnya yang dilakukan oleh Dinda Ulima R.Y., meneliti Diabetic Retinopathy dengan mengklasifikasi tingkat keparahan dari NPDR (Non-Poliferative Diabetic Retinopathy) yang dibagi menjadi 2 tingkatan yaitu moderate (sedang) dan severe (parah). Penelitian ini mengklasifikasi tingkat keparahan pada NPDR berdasarakan hard exudate menggunakan ELM (Extreme Learning Machine), input yang digunakan citra fundus retina adalah yang memiliki exudate dan teridentifikasi moderate NPDR atau severe NPDR. Terdapat lima model arsistektur pre-trained model yang berbeda antara satu dengan yang lain yang akan digunakan. Pada Tugas Akhir ini, dirancang sebuah program menggunakan deep learning untuk mengklasifikasi fundus mata diabetic retinopathy dengan model arsitektur VGG-16, VGG-19, ResNet-101, ResNet-50 serta model arsitektur Inception. Dengan adanya variasi dari pre-trained model yang diggunakan, dapat ditentukan sebuah model yang memiliki akurasi dan tingkat komputasi terbaik, sehingga dapat menghasilkan prediksi yang lebih akurat. Dari hasil pengujian 5 model pre-trained network, terdapat satu model yang paling efektif yaitu Inception. Hasil pengujian menunjukkan bahwa seluruh 5 Pre-trained model network yang digunakan dapat berjalan dengan baik dan lancar. Hasil training dari arsitektur Inception V3 menghasilkan nilai akurasi paling tinggi dibandingkan dengan empat arsitektur lainnya, dengan memberikan hasil akurasi hingga 75.61% pada epochs ke 20. Dengan total waktu komputasi selama 13.300 detik.


Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Thesis (Undergraduate)
Additional Information: Gusti Rafi Afkariansyah (18410200008)
Uncontrolled Keywords: Diabetic Retinopathy, Deep Learning, Pre-trained model network.
Dewey Decimal Classification: 600 – Technology > 610 Medical sciences; Medicine > 610 Medicine & health
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Gusti Rafi Afkariansyah
Date Deposited: 15 Feb 2022 15:59
Last Modified: 15 Feb 2022 15:59
THESIS ADVISORS: 1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI: http://repository.dinamika.ac.id/id/eprint/6267

Actions (login required)

View Item View Item