Jauhar, Iqbalul Hidayatus Sholihin Al (2025) Optimasi Convolutional Neural Network dengan Layer Support Vector Classifier untuk meningkatkan akurasi. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
COVER_1217050069_Iqbalul Hidayatus S.pdf Download (153kB) | Preview |
|
|
Text (ABSTRAK)
1217050069-ABSTRAK.pdf Download (246kB) | Preview |
|
|
Text (KETERANGAN BEBAS PLAGIARISM)
Keterangan bebas plagiarism.pdf Download (4MB) | Preview |
|
|
Text (DAFTAR ISI)
1217050069-DAFTAR ISI.pdf Download (239kB) | Preview |
|
|
Text (BAB I)
1217050069-BAB I.pdf Download (335kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
1217050069-BAB II.pdf Restricted to Registered users only Download (687kB) | Request a copy |
|
|
Text (BAB III)
1217050069-BAB III.pdf Restricted to Registered users only Download (335kB) | Request a copy |
|
|
Text (BAB IV)
1217050069-BAB IV.pdf Restricted to Registered users only Download (2MB) | Request a copy |
|
|
Text (BAB V)
1217050069-BAB V.pdf Restricted to Registered users only Download (193kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
1217050069-DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (200kB) | Request a copy |
|
|
Text (LAMPIRAN)
1217050069-LAMPIRAN.pdf Restricted to Repository staff only Download (214kB) | Request a copy |
Abstract
Akurasi adalah salah satu parameter penting dalam pengujian metode penelitian model hybrid Convolutional Neural Network (CNN) sebagai ekstraktor fitur dengan Support Vector Classifier (SVC) sebagai algoritma klasifikasi untuk meningkatkan akurasi dalam klasifikasi citra. Fokus utama penelitian ini adalah mengoptimalkan performa klasifikasi melalui integrasi tiga lapisan konvolusi CNN yang dilanjutkan dengan SVC pada tahap akhir. Penelitian ini terinspirasi dari studi terdahulu yang menggunakan pendekatan VGG-19-SVM namun hanya mampu mencapai akurasi sebesar 63,55%. Pengembangan model dilakukan berdasarkan kerangka kerja CRISP-DM, yang meliputi tahapan pemahaman bisnis dan data, persiapan data, pemodelan, evaluasi, hingga deployment. Dataset yang digunakan terdiri atas 1.490 citra lesi kulit yang terbagi dalam dua kategori, yakni melanoma dan non-melanoma. Untuk meningkatkan variasi dan jumlah data latih, dilakukan augmentasi hingga total data menjadi 3.092 citra. Model diuji dalam empat skenario berdasarkan variasi nilai parameter C (0.1, 1, 10, dan 15). Hasil terbaik diperoleh pada nilai C=10 dengan akurasi mencapai 88%, serta didukung oleh nilai presisi, recall, dan f1 score yang tinggi.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network; Support Vector Clasifier; kanker kulit melanoma; klasifikasi citra; machine learning; |
| Subjects: | Special Computer Methods > Artificial Intelligence Technology, Applied Sciences Diseases > Diseases of Integument, Hair, Nails, Dermatology |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Iqbalul Hidayatus Sholihin Al Jauhar |
| Date Deposited: | 11 Aug 2025 02:50 |
| Last Modified: | 11 Aug 2025 02:50 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/114410 |
Actions (login required)
 |
View Item |
