Analisis Performa Arsitektur Inception-ResnetV2 dalam Klasifikasi Tingkat Keparahan Diabetic Retinopathy pada Dataset Messidor-1
Tahun 2026 · Penulis: Bayinatun Nashiroh
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12678
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Performa Arsitektur Inception-ResnetV2 dalam Klasifikasi Tingkat Keparahan Diabetic Retinopathy pada Dataset Messidor-1
Retinopati berdiabetik adalah komplikasi kronis diabetes melitus yang dapat menyebabkan cacat penglihatan dan bahkan kebutaan permanen. Deteksi dini akan tingkat keparahan penyakit ini sangat penting untuk mencegah kerusakan lebih lanjut. Oleh karena itu, penelitian ini mengusulkan penggunaan teknologi pembelajaran yang dalam untuk membantu klasifikasi gambar retina otomatis. Penelitian ini menggunakan dataset Messidor-1, yang berisi gambar retina danaus dengan empat kategori keparahan: normal, ringan, sedang, dan parah/proliferasi. Dalam penelitian ini, dataset dibagi menjadi pelatihan, validasi, dan pengujian data dalam rasio 80:8:12. Model yang digunakan dalam penelitian ini terdiri dari tiga arsitektur pembelajaran mendalam: InceptionV3 dan ResNet50 sebagai model perbandingan, dan Inception-ResNetV2 sebagai model utama. Proses pelatihan dilakukan menggunakan optimasi Adam dan fungsi crossentropy yang dikategorikan hilang. Penampilan model dievaluasi menggunakan akurasi, presisi, mengingat, dan F1-score metrik. Hasilnya menunjukkan bahwa model InceptionV3 mencapai akurasi 63%, ResNet50 mencapai 79%, dan Inception-ResNetV2 mencapai kinerja terbaik dengan akurasi 97%. Oleh karena itu, dapat disimpulkan bahwa kombinasi arsitektur Inception dan koneksi sisa dapat meningkatkan kemampuan ekstraksi dan stabilitas selama proses pelatihan model.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,825
Tahun 2025 · Penulis: Hannan Amar
Analisis Penggabungan Fitur VGG-16 dengan Rotation Invariant Uniform Local Binary Pattern untuk Pengenalan Ekspresi Wajah
Pengenalan ekspresi wajah merupakan tantangan penting dalam bidang kecerdasan buatan akibat tingginya komplekstitas visual, terutama pada ekspresi yang memiliki kemiripan seperti marah dan jijik. Penelitian ini mengusulkan metode feature fusion yang menggabung
- Cosine 0,791
Tahun 2026 · Penulis: Rico Satria Ananda Putra
Analisis Variasi Arsitektur Convolutional Neural Network Model Xception untuk Klasifikasi Penyakit Daun Padi (Oryza sativa L)
Jaringan Kovolutional Neural (CNN) telah menjadi salah satu metode pembelajaran mendalam yang paling dapat diandalkan untuk pengolahan gambar karena kemampuannya yang kuat untuk menangkap pola visual. Dalam klasifikasi penyakit daun beras, CNN memainkan perana
- Cosine 0,789
Tahun 2024 · Penulis: Dandy Satrio Wibowo
Penggunaan Pre-Trained Convolutional Neural Networks dan Explainable AI dalam Klasifikasi Penyakit Alzheimer berdasarkan Citra MRI Otak
Penyakit Alzheimer adalah penyakit yang menyebabkan kematian pada sel-sel saraf otak dan menurunkan volume otak seiring berjalannya waktu. Penyakit Alzheimer memiliki lima tahapan perkembangannya, yaitu tahap preclinical, mild cognitive impairment (MCI), mild,