Implementasi transfer Learning MobileNet V3 untuk Klasifikasi Alzheimer pada gambar MRI otak berbasis website

Fadlan, Zaki (2024) Implementasi transfer Learning MobileNet V3 untuk Klasifikasi Alzheimer pada gambar MRI otak berbasis website. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (45kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (21kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (84kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (308kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (692kB) | Request a copy
[img]
Preview
Text (BAB III)
6_bab3.pdf

Download (93kB) | Preview
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (718kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB VI)
9_bab6.pdf
Restricted to Registered users only

Download (91kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf
Restricted to Registered users only

Download (170kB) | Request a copy

Abstract

Penyakit alzheimer merupakan penyakit neurodegeneratif progresif yang menyebabkan demensia pada usia lanjut yang dapat mempengaruhi jutaan orang di seluruh dunia dengan perkiraan mencapai 300 juta pada tahun 2050. Diagnosis dini menjadi krusial untuk memulai pengobatan yang tepat pada tahap awal penyakit ini. Saat ini, diagnosis penyakit alzheimer menggunakan neuroimaging MRI otak yang bergantung pada evaluasi subjektif dari dokter, yang sering kali sulit dan memakan waktu. Penelitian ini mengimplementasikan transfer learning dengan menggunakan model MobileNet V3 untuk meningkatkan keakuratan diagnosis alzheimer melalui analisis gambar MRI otak. Penelitian ini bertujuan untuk mengklasifikasikan gambar MRI otak dalam berbagai tahapan penyakit alzheimer dengan menggunakan dataset yang relevan. Metode yang digunakan meliputi penggunaan MobileNet V3 sebagai model dasar tanpa lapisan klasifikasi, penggunaan transfer learning, dan evaluasi performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model yang digunakan mampu mengklasifikasi penyakit alzheimer dengan akurasi mencapai 93%. Kinerja model menunjukkan precision dan recall yang baik untuk berbagai kelas klasifikasi alzheimer, meskipun ada tantangan dalam mengidentifikasi beberapa kasus mild demented dan very mild demented.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Hyperparameter; Klasifikasi alzheimer; MobileNet V3; MRI otak; Transfer learning; Website
Subjects: Special Computer Methods
Special Computer Methods > Artificial Intelligence
Analysis, Theory of Functions > Functional Analysis
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Elektro
Depositing User: Fadlan Zaki
Date Deposited: 27 Aug 2024 03:00
Last Modified: 27 Aug 2024 03:00
URI: https://digilib.uinsgd.ac.id/id/eprint/94243

Actions (login required)

View Item View Item