Lestari, Indah Sri and Jumadi, Jumadi and Lukman, Nur (2024) Implementasi convolutional neural network dengan pre-trained model mobilenetv2 untuk deteksi kolesterol. Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, 9 (2). pp. 173-183. ISSN E-ISSN: 2502-891X
Full text not available from this repository. (Request a copy)Abstract
INDONESIA: Salah satu risiko utama penyakit jantung dan stroke adalah kolesterol. Kolesterol adalah sejenis lemak yang diproduksi terutama oleh hati dan diserap dalam jumlah kecil dari makanan. Kadar kolesterol ideal dalam tubuh manusia sebaiknya kurang dari 200 mg/dl. Salah satu cara untuk memeriksa kadar kolesterol adalah dengan tes gula darah yang mengharuskan pasien berpuasa selama 10 hingga 12 jam. Mengingat bahaya yang ditimbulkan oleh kadar kolesterol tinggi, maka perlu adanya metode skrining dini yang praktis untuk mendeteksi kadar kolesterol tinggi dalam tubuh manusia. Iridologi adalah analisis iris mata untuk mendeteksi kondisi kesehatan dan menunjukkan hubungan pola iris mata dengan kadar kolesterol. Iris mata mempunyai keistimewaan tersendiri karena mampu mencatat keadaan seluruh organ, struktur tubuh, dan keadaan psikologis. Oleh karena itu, iridologi dapat menjadi alternatif analisis medis. Penelitian ini mengusulkan penggunaan algoritma jaringan saraf konvolusional menggunakan model MobileNetV2 yang telah dilatih sebelumnya. Dataset citra iris mata yang digunakan terdiri dari 200 citra yang diklasifikasikan menjadi dua kelas yaitu citra mata normal dan mata kolesterol. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu mencapai akurasi sebesar 95%. Hasil ini menunjukkan bahwa model ini memiliki potensi besar sebagai alat yang praktis dan hemat biaya untuk mendeteksi kolesterol. Diperlukan penelitian lebih lanjut dengan kumpulan data yang lebih besar untuk meningkatkan akurasi dan validitas. ENGLISH: One of the main risks for heart disease and stroke is cholesterol. Cholesterol is a type of fat produced primarily by the liver and absorbed in small amounts from food. The ideal cholesterol level in the human body should be less than 200 mg/dl. One way to check cholesterol levels is through a blood sugar test that requires the patient to fast for 10 to 12 hours. Given the dangers posed by high cholesterol levels, there is a need for an early, practical screening method to detect high cholesterol levels in the human body. Iridology is an analysis of the iris of the eye to detect health conditions and show the relationship between iris patterns and cholesterol levels. The iris has its own uniqueness because it can record the condition of all organs, body structures, and psychological states. Therefore, iridology can be an alternative medical analysis. This study proposes the use of a convolutional neural network algorithm using a pre-trained MobileNetV2 model. The iris image dataset used consists of 200 images classified into two classes: normal eye images and cholesterol eye images. The results of the study show that the proposed model can achieve an accuracy of 95%. These results indicate that this model has great potential as a practical and cost-effective tool for detecting cholesterol. Further research is needed with larger datasets to improve accuracy and validity.
| Item Type: | Article |
|---|---|
| Additional Information: | Tugas Akhir Non Skripsi |
| Uncontrolled Keywords: | Kolesterol; Iridologi; Convolutional Neural Network; Transfer Learning; MobileNetV2 |
| Subjects: | Data Processing, Computer Science Special Computer Methods |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Ilham Nurfauzi |
| Date Deposited: | 28 Aug 2024 01:48 |
| Last Modified: | 28 Aug 2024 07:36 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/94416 |
Actions (login required)
 |
View Item |
