Fadlan, Zaki (2024) Implementasi transfer Learning MobileNet V3 untuk Klasifikasi Alzheimer pada gambar MRI otak berbasis website. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (45kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (21kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (84kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (308kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (692kB) | Request a copy |
||
|
Text (BAB III)
6_bab3.pdf Download (93kB) | Preview |
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (718kB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB VI)
9_bab6.pdf Restricted to Registered users only Download (91kB) | Request a copy |
||
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 |