PERBANDINGAN ARSITEKTUR XCEPTION, INCEPTION-RESNET V2, DAN CONVNEXT UNTUK KLASIFIKASI PENYAKIT GLAUKOMA BERDASARKAN CITRA RETINA

Putri, Maharani (2025) PERBANDINGAN ARSITEKTUR XCEPTION, INCEPTION-RESNET V2, DAN CONVNEXT UNTUK KLASIFIKASI PENYAKIT GLAUKOMA BERDASARKAN CITRA RETINA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (264Kb) | Preview
	File PDF Skripsi Full.pdf Restricted to Hanya staf Download (3779Kb) | Minta salinan
Preview	File PDF File Skripsi Full Tanpa Bab Pembahasan.pdf Download (3118Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Deteksi dini glaukoma sangat penting untuk mencegah kerusakan saraf optik yang bersifat permanen. Penelitian ini membandingkan kinerja tiga arsitektur deep learning, yaitu Xception, Inception-ResNetV2, dan ConvNeXt, dalam mengklasifikasikan glaukoma berdasarkan citra retina. Dataset ACRIMA yang digunakan terdiri dari 705 citra fundus yang terbagi menjadi 396 citra glaukoma dan 309 citra non glaukoma. Proses penelitian meliputi pre-processing berupa resize dan normalisasi citra, pembagian data menjadi latih, validasi, dan uji, serta augmentasi untuk meningkatkan keragaman data. Masing-masing model dilatih menggunakan parameter yang seragam, lalu dievaluasi berdasarkan akurasi, presisi, recall, dan f1-score, baik tanpa early stopping maupun dengan early stopping. Hasil evaluasi menunjukkan bahwa setiap arsitektur memiliki karakteristik kinerja yang berbeda, namun ConvNeXt cenderung memberikan performa paling stabil dengan kombinasi akurasi dan f1-score yang lebih tinggi dibandingkan dua model lainnya. Inception-ResNetV2 menunjukkan performa baik tetapi lebih sensitif terhadap overfitting, sedangkan Xception memberikan hasil yang kompetitif dengan keunggulan pada efisiensi komputasi. Secara keseluruhan, penelitian ini menunjukkan bahwa pemilihan arsitektur CNN yang tepat berpengaruh signifikan terhadap keberhasilan klasifikasi glaukoma, dan ConvNeXt dapat direkomendasikan sebagai model paling optimal untuk sistem deteksi dini berbasis citra retina. Kata Kunci: Citra Digital, Convolutional Neural Network, Deep Learning, Glaukoma, Klasifikasi.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 507 Pendidikan, penelitian, topik terkait ilmu pengetahuan alam 500 ilmu pengetahuan alam dan matematika > 570 Biologi 600 Teknologi (ilmu terapan) 600 Teknologi (ilmu terapan) > 606 Organisasi di bidang teknologi dan ilmu terapan 600 Teknologi (ilmu terapan) > 607 Pendidikan, riset, topik terkait 600 Teknologi (ilmu terapan) > 610 Ilmu kedokteran, ilmu pengobatan dan ilmu kesehatan
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	2507925535 Digilib
Date Deposited:	12 Jan 2026 02:07
Terakhir diubah:	12 Jan 2026 02:07
URI:	http://digilib.unila.ac.id/id/eprint/94739

Actions (login required)

Lihat Karya Akhir