PRATAMA, Luciano Rizky (2025) Penerapan Arsitektur Transfer Learning InceptionResnetV2 dalam Model Klasifikasi Penyakit Kulit Monkeypox Dengan Mempertimbangkan Hyperparameter Terbaik. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (37kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (251kB)
	Text 4. KATA PENGANTAR.pdf Download (67kB)
	Text 6. ABSTRAK.pdf Download (10kB)
	Text 7. ABSTRACT.pdf Download (10kB)
	Text 8. DAFTAR ISI.pdf Download (60kB)
	Text 11. BAB 1 PENDAHULUAN.pdf Download (38kB)

Abstract

ABSTRAK
Monkeypox merupakan penyakit kulit yang berasal dari Afrika Tengah dan Barat, dengan kasus yang terus meningkat secara global termasuk di Indonesia sejak tahun 2022. Diagnosis dini penyakit ini sangat penting untuk meminimalkan dampak kesehatan. Metode PCR yang saat ini digunakan memiliki keterbatasan karena memakan waktu dan belum tersedia di
semua negara. Pendekatan kecerdasan buatan berbasis citra medis menawarkan solusi yang lebih cepat dan akurat dalam upaya mengklasifikasikan penyakit ini. Penelitian ini menerapkan arsitektur InceptionResNetV2 dengan mempertimbangkan hyperparameter terbaik. Training dilakukan menggunakan 5-fold cross-validation, dan hasil evaluasi menunjukkan bahwa model terbaik dicapai dengan kombinasi hyperparameter batch size 16
dan learning rate sebesar 10-4. Model ini diuji menggunakan metrik precision, recall, dan F1score, yang menghasilkan nilai akurasi optimal sebesar 89,31%. Harapannya, pendekatan ini
dapat mendukung upaya diagnosis dini monkeypox secara efisien dan mempercepat penanganan dini.
Kata kunci : Monkeypox, InceptionResNetV2, Transfer Learning, Hyperparameter, 5-fold Cross Validation.

Actions (login required)

View Item