Oktaviani, Yosi (2026) Analisis kinerja U-NET berbasis ResNet50V2 untuk segmentasi ventrikel jantung pada citra MRI. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (89kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (90kB) | Preview |
|
|
Text (SURAT KARYA ASLI)
3_suratkaryaasli.pdf Download (525kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (102kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (104kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (508kB) |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (308kB) |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (348kB) |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (86kB) |
|
|
Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf Restricted to Registered users only Download (222kB) |
|
|
Text (LAMPIRAN)
11_lampiran.pdf Restricted to Registered users only Download (174kB) |
Abstract
Segmentasi ventrikel jantung secara manual pada citra MRI memerlukan waktu yang relatif lama dan rentan terhadap subjektivitas pengamat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja metode segmentasi otomatis ventrikel jantung pada citra Magnetic Resonance Imaging (MRI) menggunakan arsitektur U-Net berbasis ResNet50V2. Dataset yang digunakan berasal dari Medical Image Computing and Computer-Assisted Intervention (MICCAI). Metodologi penelitian meliputi tahap pra-pemrosesan data, pelatihan model, serta pengujian hasil segmentasi. Evaluasi kinerja model dilakukan secara kuantitatif, di mana model mencapai nilai akurasi validasi sebesar 99,28% dengan nilai loss sebesar 2,23%. Pada data uji, nilai Dice Similarity Coefficient (DSC) rata-rata diperoleh sebesar 96,61% untuk ventrikel kiri dan 91,55% untuk ventrikel kanan. Sementara itu, nilai Intersection over Union (IoU) masing-masing sebesar 93,48% untuk ventrikel kiri dan 84,59% untuk ventrikel kanan. Hasil evaluasi menggunakan confusion matrix ter-normalisasi menunjukkan akurasi keseluruhan sebesar 95,40% dengan tingkat kesalahan klasifikasi sebesar 4,60%. Kelas latar belakang terklasifikasi dengan sangat baik dengan akurasi 99,76%, sedangkan ventrikel kiri dan ventrikel kanan masing-masing mencapai akurasi 97,02% dan 89,43%. Hasil penelitian menunjukkan bahwa U-Net berbasis ResNet50V2 mampu menghasilkan segmentasi ventrikel jantung dengan akurasi tinggi serta mampu mempertahankan batas anatomi ventrikel secara optimal. Metode ini berpotensi mendukung diagnosis dan evaluasi fungsi jantung secara lebih efisien serta mengurangi ketergantungan pada segmentasi manual dalam praktik klinis.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | MRI jantung; segmentasi ventrikel; U-Net; ResNet; |
| Subjects: | Physics > Data Processing and Analysis of Physics |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Fisika |
| Depositing User: | Yosi Oktaviani |
| Date Deposited: | 30 Sep 2026 02:11 |
| Last Modified: | 30 Sep 2026 02:11 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/143131 |
Actions (login required)
 |
View Item |
