PERBANDINGAN PERFORMA MODEL CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR CONVNEXT, MOBILENET V3, DAN EFFICIENTNET PADA PENGKLASIFIKASIAN PENYAKIT MULUT

Amien, Ferli Malkan (2025) PERBANDINGAN PERFORMA MODEL CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR CONVNEXT, MOBILENET V3, DAN EFFICIENTNET PADA PENGKLASIFIKASIAN PENYAKIT MULUT. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK.pdf Download (173Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (3379Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (2233Kb) | Preview

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

Penyakit mulut merupakan masalah kesehatan global yang memengaruhi miliaran orang di dunia. Deteksi dini berbasis teknologi kecerdasan buatan, khususnya dengan Convolutional Neural Network (CNN), dapat meningkatkan akurasi diagnosis penyakit mulut. Penelitian ini membandingkan performa tiga arsitektur CNN, yaitu ConvNeXt Tiny, MobileNet V3 Large, dan EfficientNet B0, dalam klasifikasi penyakit mulut berdasarkan dataset citra medis. Evaluasi dilakukan dengan mempertimbangkan akurasi, efisiensi komputasi, dan waktu pemrosesan. Hasil penelitian menunjukkan bahwa EfficientNet B0 mencapai akurasi tertinggi (98,21%) dengan jumlah parameter lebih kecil dibandingkan ConvNeXt Tiny. Namun, ConvNeXt Tiny memiliki performa terbaik dalam akurasi absolut (96,96%), meskipun dengan konsumsi sumber daya lebih besar. MobileNet V3 Large menunjukkan efisiensi tinggi dalam penggunaan parameter dengan akurasi kompetitif (96,44%). Dengan demikian, pemilihan arsitektur CNN bergantung pada kebutuhan antara akurasi tinggi atau efisiensi sumber daya komputasi dalam implementasi klinis. Kata kunci: Convolutional Neural Network (CNN), ConvNeXt, MobileNetV3, EfficientNet, Penyakit Mulut

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 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:	2301443683 . Digilib
Date Deposited:	13 Jun 2025 06:57
Terakhir diubah:	13 Jun 2025 06:57
URI:	http://digilib.unila.ac.id/id/eprint/88563

Actions (login required)

Lihat Karya Akhir