NUGRAHANINDHITO, Chandra (2024) Pemilihan Nilai Hyperparameter Terbaik untuk Klasifikasi Penyakit Glaukoma dengan Penerapan Transfer Learning Menggunakan Arsitektur Inception-V3. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. HALAMAN JUDUL.pdf Download (112kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (80kB)
	Text 4. KATA PENGANTAR.pdf Download (122kB)
	Text 6. ABSTRAK.pdf Download (125kB)
	Text 7. ABSTRACT.pdf Download (88kB)
	Text 8. DAFTAR ISI.pdf Download (188kB)
	Text 11. BAB I.pdf Download (126kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (183kB)

Abstract

Kesehatan mata merupakan aspek kritis dalam pelayanan kesehatan global karena
pentingnya fungsi penglihatan dalam kehidupan sehari-hari. Glaukoma merupakan sebuah
penyakit mata yang mengakibatkan lapangan pandang menyempit dan kerusakan saraf mata,
menjadi perhatian utama dalam penelitian ini. Kemajuan teknologi kecerdasan buatan,
terutama dalam pengenalan pola dan pengolahan citra, membuka peluang baru untuk
meningkatkan deteksi dini glaukoma. Penelitian ini menggunakan arsitektur Inception-V3,
sebuah Convolutional Neural Network (CNN) yang telah dilatih dengan ImageNet datasets.
Tujuan penelitian adalah mengimplementasikan metode transfer learning dengan Inception
V3 dalam klasifikasi glaukoma pada data citra fundus serta mengevaluasi akurasi model
dengan menerapkan teknik augmentasi data dan tuning hyperparameter. Hasil penelitian
menunjukkan bahwa model yang dikembangkan mencapai tingkat akurasi 95,06% dalam
klasifikasi glaukoma pada citra fundus dari dataset EyePACS-AIROGS-light-v2. Tingkat
akurasi yang tinggi ini menunjukkan keberhasilan model dalam mendeteksi dan
mengklasifikasikan citra fundus yang menunjukkan keberadaan glaukoma. Penggunaan
teknologi deep learning seperti Inception-V3 diharapkan dapat membantu meningkatkan
deteksi dini glaukoma secara efektif.
Kata Kunci : Augmentasi, Glaukoma, Hyperparameter, Inception-V3, Transfer Learning

Actions (login required)

View Item