DETEKSI PENYAKIT DIABETES MENGGUNAKAN PENDEKATAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK ( CNN )

Yuwanto, Asep (2022) DETEKSI PENYAKIT DIABETES MENGGUNAKAN PENDEKATAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK ( CNN ). Diploma thesis, Universitas Bina Darma.

	Text (Bab 0) Bab 0.pdf Download (1MB)
	Text (Bab I) Bab I.pdf Download (568kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (801kB)
	Text (Bab II) Bab II.pdf Restricted to Registered users only Download (543kB)
	Text (Bab III) Bab III.pdf Restricted to Registered users only Download (650kB)
	Text (Bab IV) Bab IV.pdf Restricted to Registered users only Download (1MB)
	Text (Bab V) Bab V.pdf Restricted to Registered users only Download (230kB)
	Text (Lampiran) Lampiran.pdf Restricted to Registered users only Download (373kB)
	Text (Turnitin) Turnitin.pdf Restricted to Registered users only Download (8MB)

Abstract

Retinopati diabetik merupakan suatu penyakit yang dapat merusak jaringan pembuluh darah pada bagian retina mata. Jika tidak ditanggulangi penyakit ini dapat memicu kebutaan.. Maka dari itu untuk melakukan penelitian dengan jenis kebutaan mata menggunakan metode Convolutional Neural Network. metode ini merupakan salah satu metode yang digunakan dalam pembelajaran mesin yang menggunakan konsep mendalam dalam analisis dan interpretasi gambar. Tujuan penggunaan metode ini adalah untuk meningkatkan tingkat prediksi dan klasifikasi tipe dari jenis kebutaan yang dialami oleh penderita diabetes yang didapat dari suatu gambar atau citra.Dalam proses ini terdapat 4 parameter yang dapat di gunakan untuk mendeteksi penyakit diabetes dengan melihat kondisi retina,retina normal,retina glaucoma,retina cataract dan retina disease. Model CNN pada penelitian ini menggunakan input shape berukuran 2464x1632 dengan menggunakan data training 90 dan testing 10, ukuran filter 3x3, Jumlah Epoch 800,. Menghasilkan tingkat akurasi training dan testing dalam melakukan klasifikasi gambar citra mata sebesar 90%. Kata kunci : Retinopati,convulotion neural network,retina mata

Actions (login required)

View Item