Identifikasi Stroke Menggunakan Metode Transfer Learning Arsitektur Convolutional Neural Network Pada Citra Ct-Scan Kepala

Waliidaturrahmaniah, Waliidaturrahmaniah (2023) Identifikasi Stroke Menggunakan Metode Transfer Learning Arsitektur Convolutional Neural Network Pada Citra Ct-Scan Kepala. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover) Cover_H1021181003.pdf - Published Version Download (46kB)
	Text (Yuridis) Yuridis_H1021181003.pdf - Published Version Download (8MB)
	Text (Surat Pernyataan) SP_H1021181003.pdf - Published Version Download (174kB)
	Text (Abstrak) Abstrak_H1021181003.pdf - Published Version Download (10kB)
	Text (Kata Pengantar) Kapeng_H1021181003.pdf - Published Version Download (124kB)
	Text (Daftar Isi) Dafis_H1021181003.pdf - Published Version Download (186kB)
	Text (Daftar Lain) Daflain_H1021181003.pdf - Published Version Download (193kB)
	Text (Bab I) Bab1_H1021181003.pdf - Published Version Download (16kB)
	Text (Bab II) Bab2_H1021181003.pdf - Published Version Download (820kB)
	Text (Bab III) Bab3_H1021181003.pdf - Accepted Version Restricted to Repository staff only Download (196kB)
	Text (Bab IV) Bab4_H1021181003.pdf - Accepted Version Restricted to Repository staff only Download (1MB)
	Text (Bab V) Bab5_H1021181003.pdf - Accepted Version Restricted to Repository staff only Download (7kB)
	Text (Daftar Pustaka) Dafpus_H1021181003.pdf - Published Version Download (131kB)
	Text (Lampiran) Lamp_H1021181003.pdf - Accepted Version Restricted to Repository staff only Download (1MB)
	Text (H1021181003_WALIIDATURRAHMANIAH ASHAK) H1021181003_WALIIDATURRAHMANIAH ASHAK.pdf - Accepted Version Restricted to Repository staff only Download (12MB)

Abstract

Stroke adalah penyebab terbesar atas kematian dan kecatatan pada masyarakat Indonesia. Tingkat penderita stroke di Indonesia adalah yang tertinggi di antara negara negara yang menempati wilayah Asia Tenggara. Salah satu perkembangan teknologi dalam pencitraan medis khusunya untuk mendeteksi stroke melalui citra Computed Tomography scan (CT-scan) adalah pemanfaatan arsitektur Convolutional Neural Network (CNN) dalam metode transfer learning. Pada penelitian ini, metode transfer learning dengan arsitektur CNN akan meggunakan citra CT-scan kepala dari dataset Kaggle. Beberapa variasi arsitektur dan optimizer yang digunakan adalah arsitektur AlexNet, VGG16, dan GoogLeNet serta variasi optimizer Stochastic Gradient Descent (SGD), AdaGrad, RMSProp, dan Adam. Hasil yang diperoleh adalah Akurasi AlexNet dengan menggunakan optimizer SGD, AdaGrad, RMSProp dan Adam masing masing menghasilkan akurasi sebesar 75%, 93%, 90% dan 85%. Arsitektur VGG16 dengan menggunakan optimizer SGD, AdaGrad, RMSProp dan Adam masing masing menghasilkan akurasi sebesar 73%, 88%, 68%, dan 91%. Arsitektur GoogLeNet dengan menggunakan optimizer SGD, AdaGrad, RMSProp dan Adam masing masing menghasilkan akurasi sebesar 65%, 84%, 93% dan 85%. Arsitektur GoogLeNet dan AlexNet dengan optimizer yang berbeda yaitu AdaGrad dan RMSProp berhasil memperoleh akurasi tertinggi diantara arsitektur lainnya dengan akurasi sebesar 93%. Perbedaan kedua arsitektur ini adalah waktu yang digunakan selama proses pelatihan, arsitektur AlexNet optimizer AdaGrad dengan 4 menit 15 detik dan arsitektur GoogLeNet optimizer RMSProp dengan 12 menit 33 detik.

Actions (login required)

View Item