UnijoyoUnijoyo
Jurnal SimantecJurnal SimantecPada artikel ini membahas tentang perbandingan arsitektur Convolutional Neural Network (CNN) untuk klasifikasi citra fundus. Arsitektur CNN yang diujicobakan yaitu AlexNet, Visual Geometry Group (VGG) 16, VGG19, Residual Network (ResNet) 50, ResNet101, GoogleNet, Inception-V3, InceptionResNetV2 dan Squeezenet. Citra ujicoba menggunakan retina untuk mengklasifikasi 2 kelas yaitu normal dan neovaskularisasi. Citra dilakukan preprosesing dengan membaginya menjadi 16 bagian yang sama. Skenario ujicoba menggunakan 2 tahap yaitu, pertama, menggunakan CNN tanpa optimasi tambahan, kedua, CNN menggunakan optimasi Gradient Descent. Hasil ujicoba pada kedua skenario menunjukkan arsitektur terbaik yaitu VGG19 dan VGG16. Ujicoba tahap pertama menghasilkan sensitivitas, spesifisitas dan akurasi yaitu 87,8%, 90,7% dan 89,3%. Untuk ujicoba tahap kedua sensitivitas, spesifisitas dan akurasi yaitu 94,2%, 90,4% dan 92,31%.
Telah dilakukan klasifikasi citra fundus terhadap 2 kelas yaitu normal dan neovaskularisasi.Ujicoba telah dilakukan menggunakan 9 arsitektur CNN diantaranya AlexNet, VGG16, GoogleNet, Inception-V3, ResNet50, ResNet101, InceptionResNet-V2, dan Squeezenet.Tahapan pertama dilakukan klasifikasi menggunakan arsitektur CNN dan SVM.Hasil ujicoba menunjukkan dengan akurasi hingga 89,3% dengan sensitivitas 90,4% dan spesifisitas 88,2% menggunakan arsitektur VGG19.Pada tahapan kedua dilakukan klasifikasi citra fundus menggunakan sembilan arsitektur CNN dengan teknik transfer learning dan metode optimasi gradient descent.Hasil ujicoba menunjukkan akurasi hingga 92,31% dengan sensitivitas 90,7% dan spesifisitas 94% menggunakan arsitektur VGG16.Hal ini menunjukkan bahwa ujicoba optimasi algoritma gradient descent menghasilkan akurasi lebih baik dibandingkan tanpa optimasi.
Penelitian selanjutnya dapat mengembangkan arsitektur CNN berdasarkan arsitektur VGG dengan jumlah layer dan parameter yang lebih sederhana namun lebih baik dalam hal akurasi hasil klasifikasi. Selain itu, penelitian bisa fokus pada pengoptimalan teknik transfer learning untuk meningkatkan efisiensi proses klasifikasi citra fundus. Terakhir, penelitian juga dapat mengeksplorasi kombinasi antara beberapa arsitektur CNN untuk menciptakan model hybrid yang lebih akurat dalam mendeteksi neovaskularisasi pada citra fundus.
| File size | 529.05 KB |
| Pages | 6 |
| DMCA | Report |
Related /
UMPPUMPP Penelitian ini menunjukkan bahwa penggunaan 6 fitur terbaik menghasilkan akurasi tertinggi dalam klasifikasi tingkat adaptasi siswa. Akurasi tertinggiPenelitian ini menunjukkan bahwa penggunaan 6 fitur terbaik menghasilkan akurasi tertinggi dalam klasifikasi tingkat adaptasi siswa. Akurasi tertinggi
ITB ADITB AD Dari hasil analisis transaksi penjualan Label Hijab Premium periode Januari–Agustus 2024, ditemukan pola pembelian dengan tingkat confidence tinggi,Dari hasil analisis transaksi penjualan Label Hijab Premium periode Januari–Agustus 2024, ditemukan pola pembelian dengan tingkat confidence tinggi,
UMPPUMPP Analisis sentimen dapat membantu mengidentifikasi opini masyarakat terhadap layanan ini, baik dari segi manfaat maupun hambatan yang dialami. PenelitianAnalisis sentimen dapat membantu mengidentifikasi opini masyarakat terhadap layanan ini, baik dari segi manfaat maupun hambatan yang dialami. Penelitian
LINTASBUDAYANUSANTARALINTASBUDAYANUSANTARA Konten-konten yang ditampilkan oleh Dedi Mulyadi melalui kanal media sosialnya tidak hanya yang bersifat formal atau sekadar pencitraan elitis. Namun,Konten-konten yang ditampilkan oleh Dedi Mulyadi melalui kanal media sosialnya tidak hanya yang bersifat formal atau sekadar pencitraan elitis. Namun,
ASDKVIASDKVI Penelitian ini bertujuan untuk menganalisis bagaimana pemberitaan mengenai health security yang sampai kepada masyarakat, dengan menggunakan media monitoringPenelitian ini bertujuan untuk menganalisis bagaimana pemberitaan mengenai health security yang sampai kepada masyarakat, dengan menggunakan media monitoring
STMIK BANJARBARUSTMIK BANJARBARU Kumpulan data asli terdiri dari 805 komentar dari 13 hingga 15 April 2024, menghasilkan 1. 108 komentar setelah pembersihan dan prapemrosesan. Hasil evaluasiKumpulan data asli terdiri dari 805 komentar dari 13 hingga 15 April 2024, menghasilkan 1. 108 komentar setelah pembersihan dan prapemrosesan. Hasil evaluasi
STMIK BANJARBARUSTMIK BANJARBARU Analisis sentimen data dari platform X menunjukkan mayoritas komentar positif (47,43%) terhadap Trans Semarang, diikuti netral (37,28%) dan negatif (15,29%).Analisis sentimen data dari platform X menunjukkan mayoritas komentar positif (47,43%) terhadap Trans Semarang, diikuti netral (37,28%) dan negatif (15,29%).
UNITOMOUNITOMO Analisis dan diskusi dilakukan untuk menyimpulkan bahwa SVM telah berhasil diterapkan menggunakan data IMDb untuk studi ini. Untuk menyelesaikan studiAnalisis dan diskusi dilakukan untuk menyimpulkan bahwa SVM telah berhasil diterapkan menggunakan data IMDb untuk studi ini. Untuk menyelesaikan studi
Useful /
SCITECHGRUPSCITECHGRUP Penelitian ini menggunakan metode kualitatif. Pengumpulan data dilakukan melalui wawancara. Penelitian ini menemukan bahwa sumber daya manusia yang terlatihPenelitian ini menggunakan metode kualitatif. Pengumpulan data dilakukan melalui wawancara. Penelitian ini menemukan bahwa sumber daya manusia yang terlatih
ASDKVIASDKVI Fenomena bullying di kalangan remaja merupakan masalah sosial yang semakin meningkat dan kompleks, tidak hanya terjadi dalam kehidupan sehari-hari, tetapiFenomena bullying di kalangan remaja merupakan masalah sosial yang semakin meningkat dan kompleks, tidak hanya terjadi dalam kehidupan sehari-hari, tetapi
UNHJAMBIUNHJAMBI Dari sisi komunikasi, implementasi kebijakan di Kecamatan Bayung Lencir berlangsung efektif melalui berbagai forum dan himbauan yang dilakukan oleh pemerintahDari sisi komunikasi, implementasi kebijakan di Kecamatan Bayung Lencir berlangsung efektif melalui berbagai forum dan himbauan yang dilakukan oleh pemerintah
UNIMEDUNIMED Subjek penelitian adalah 27 siswa kelas X-1 MA Manbaul Ulum. Data penelitian diperoleh dari wawancara, lembar validasi, kuesioner guru dan siswa, sertaSubjek penelitian adalah 27 siswa kelas X-1 MA Manbaul Ulum. Data penelitian diperoleh dari wawancara, lembar validasi, kuesioner guru dan siswa, serta