KLASIFIKASI LEVEL RETINOPATI DIABETES BERBASIS K-MEANS CLUSTERING DENGAN METODE ENSEMBLE CONVOLUTIONAL NEURAL NETWORK

PRATAMA, MARIO TIARA and Agustian, Indra and Surapati, Alex (2020) KLASIFIKASI LEVEL RETINOPATI DIABETES BERBASIS K-MEANS CLUSTERING DENGAN METODE ENSEMBLE CONVOLUTIONAL NEURAL NETWORK. Undergraduated thesis, Fakultas Teknik.

[img] Text (Thesis)
SKRIPSI_MARIO TIARA PRATAMA (G1D016013).pdf - Bibliography
Restricted to Repository staff only

Download (4MB)

Abstract

Pengembangan model klasifikasi retinopati diabetes telah banyak diusulkan oleh peneliti terdahulu, salah satu metode paling populer dengan akursi yang tinggi adalah convolutional neural network. Permasalahan dalam membangun model berbasis jaringan konvolusi adalah kebutuhan data latih yang besar. Penelitian ini melatih jaringan convolutional neural network dengan pendekatan fine-tuning transfer learning guna meminimalkan resiko overfitting. Dengan mentransfer pengetahuan dari bobot ImageNet, model dengan arsitektur DensNet201, InceptionV3 dan MobileNetV2 pada penelitian ini dapat mencapai akurasi testing masing-masing 93 %, 94% dan 89% dengan loss masing-masing 0.18, 0.19 dan 0.29. Ketiga model tersebut kemudian di-Ensemble dengan layer average pooling guna meningkatkan akurasi dan meminimalkan loss, hasilnya akurasi sistem meningkat menjadi 95% dan loss ke titik minimal 0.15. Penelitian ini juga menguji waktu komputasi pelatihan jaringan convolutional neural network terhadap jumlah cluster pada segmentasi berbasis K-means Clustetering, hasil pengujian menyimpulkan jumlah cluster pada algoritma K-means Clustering tidak berkorelasi liner dengan waktu komputasi training jaringan convolutional neural network. Kata Kunci: klasifikasi retinopat diabetes, convolutional neural network, fine�tuning transfer learning, Ensemble, K-means Clusteirng.

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Electrical Engineering
Depositing User: 022 Lili Haryanti
Date Deposited: 12 Dec 2021 13:36
Last Modified: 12 Dec 2021 13:36
URI: http://repository.unib.ac.id/id/eprint/23553

Actions (login required)

View Item View Item