Qulub, Muhammad Sirojul (2023) Indentifikasi Penyakit Mata Dengan Klasifikasi Citra Foto Fundus Mengunakan Convolutional Neural Network (CNN). undergraduate thesis, Universitas Muhammadiyah Gresik.
|
Text
1. HALAMAN PERNYATAAN KEORISINALITAS (Keaslian).pdf Download (3MB) | Preview |
|
|
Text
2. LEMBAR PERSETUJUAN SKRIPSI.pdf Download (7MB) | Preview |
|
|
Text
3. LEMBAR PENGESAHAN SKRIPSI.pdf Download (8MB) | Preview |
|
|
Text
4. HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI.pdf Download (9MB) | Preview |
|
|
Text
5. HALAMAN JUDUL.pdf Download (257kB) | Preview |
|
|
Text
6. BAB I.pdf Download (3MB) | Preview |
|
|
Text
7. BAB II.pdf Download (4MB) | Preview |
|
|
Text
8. BAB III.pdf Download (4MB) | Preview |
|
![[img]](http://eprints.umg.ac.id/style/images/fileicons/text.png) |
Text
9. BAB IV.pdf Restricted to Repository staff only Download (125MB) |
|
|
Text
10. BAB V.pdf Download (3MB) | Preview |
|
|
Text
11. DAFTAR PUSTAKA.pdf Download (3MB) | Preview |
|
|
Text
12. LAMPIRAN.pdf Download (4MB) | Preview |
Abstract
Penelitian ini berfokus pada deteksi dini penyakit mata menggunakan teknologi Computer Vision dan Deep Learning. Penyakit mata seperti diabetic retinopathy, glaukoma, katarak, degenerasi makula terkait usia, hipertensi okuli, dan miopia adalah penyebab utama kebutaan. Metode yang digunakan adalah Convolutional Neural Networks (CNN) dengan arsitektur VGG-16 untuk mengklasifikasikan citra foto fundus. Penelitian dilakukan dengan melatih dan menguji model klasifikasi menggunakan dataset citra foto fundus yang mencakup berbagai penyakit mata. Evaluasi dilakukan dengan mengukur akurasi, presisi, dan recall menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa kinerja model dengan iterasi sebanyak 30 iterasi pada dataset yang menghasilkan accuracy sebesar 0,45 menunjukkan bahwa model dengan benar memprediksi label kelas sekitar 45% dari sampel.
| Item Type: | Thesis (undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deteksi penyakit mata, Convolutional Neural Networks, VGG-16, Computer Vision, citra foto fundus, akurasi, presisi, recall. |
| Subjects: | Engineering > Informatics Engineering Engineering |
| Divisions: | Faculty of Engineering > Informatics Engineering Study Program |
| Depositing User: | Muhammad Sirojul Qulub |
| Date Deposited: | 01 Apr 2024 21:08 |
| Last Modified: | 01 Apr 2024 21:08 |
| URI: | http://eprints.umg.ac.id/id/eprint/11802 |
Actions (login required)
 |
View Item |
