Amanda Rizkyta Hamidah, 4611419045 (2023) KLASIFIKASI CITRA MAGNETIC RESONANCE IMAGING UNTUK MENDETEKSI PENYAKIT ALZHEIMER MENGGUNAKAN EFFICIENTNET B0 PADA CONVOLUTIONAL NEURAL NETWORK. Under Graduates thesis, Universitas Negeri Semarang.

PDF (Skripsi) Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Klasifikasi merupakan cara untuk mengelompokkan objek klasifikasi berdasarkan ciri-ciri baik dari bentuk, warna, sampai sifat yang dimiliki suatu objek ke dalam kelas tertentu. Terdapat dua pendekatan dalam melakukan klasifikasi yaitu manual oleh indera manusia dan pendekatan menggunakan Machine Learning (ML) dengan meniru bagaimana proses manusia belajar dan mengambil keputusan, salah satu penerapan ML yaitu pada bidang kesehatan untuk mendiagnosis penyakit dengan analisis pencitraan seperti deteksi Alzheimer berdasarkan citra scan Magnetic Resonance Imaging (MRI). Convolutional Neural Networks (CNN) adalah salah satu algoritma ML yang terkenal untuk mengidentifikasi fitur terutama pada Computer Vision. Penelitian ini bertujuan untuk memperoleh akurasi klasifikasi Alzheimer terbaik dari citra MRI menggunakan metode CNN dengan tahapan preprocessing, data split, training, testing, dan validasi evaluasi model. Hasil penelitian ini didapatkan model CNN menggunakan arsitektur EfficientNet B0 dengan akurasi sebesar 98,44%. Hal tersebut menunjukkan bahwa arsitektur EfficientNet B0 dinilai dapat meningkatkan hasil akurasi sebanyak 5,26% dibanding dengan penelitian sebelumnya pada klasifikasi citra MRI untuk mendeteksi penyakit Alzheimer. Penggunaan lebih banyak dataset dapat menciptakan akurasi yang lebih baik dan akurat pada model.

Actions (login required)

View Item