Ika Cahyani (2021) PERBANDINGAN PRETRAINED MODELS (RESNET-50, VGG-19, DAN XCEPTION) PADA KLASIFIKASI CITRA KANKER SERVIKS. S1 thesis, Universitas Muhammadiyah Yogyakarta.
![[thumbnail of Halaman Judul]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Halaman Judul.pdf
Download (651kB)
![[thumbnail of Lembar Pengesahan]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (144kB)
![[thumbnail of Abstrak]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Abstrak.pdf
Restricted to Registered users only
Download (863kB)
![[thumbnail of Bab I]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab I.pdf
Download (990kB)
![[thumbnail of Bab II]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
![[thumbnail of Bab III]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab III.pdf
Restricted to Registered users only
Download (2MB)
![[thumbnail of Bab IV]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab IV.pdf
Restricted to Registered users only
Download (4MB)
![[thumbnail of Bab V]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab V.pdf
Restricted to Registered users only
Download (209kB)
![[thumbnail of Daftar Pustaka]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (337kB)
![[thumbnail of Naskah Publikasi]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
![[thumbnail of Full Text]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Full Text.pdf
Restricted to Repository staff only
Download (8MB)
Abstract
<p>Menurut penelitian WHO pada tahun 2018, terdapat 570.000 kasus kanker serviks dan 311.000 kematian akibat penyakit tersebut. Kanker serviks merupakan kanker yang paling sering terjadi pada wanita. Kurangnya kecepatan penanganan kasus tersebut, menyebabkan tingkat kematian semakin tinggi. Banyak peneliti yang ikut berkontribusi dengan menerapkan teknologi berbasis <em>machine learning</em> agar keberadaan sel serviks lebih cepat terdeteksi dan mengurangi kesalahan diagnosis. Dari permasalahan tersebut, penelitian ini disusun untuk memberikan metode yang lebih baik dalam kasus klasifikasi sel serviks yang ditunjukkan agar memberikan hasil yang lebih baik dibandingkan dengan penelitian sebelumnya. Sistem klasifikasi sel serviks ini menggunakan metode <em>deep learning</em> dengan <em>pretrained models</em> ResNet-50 , VGG-19 dan Xception. Akurasi terbaik dihasilkan oleh VGG-19 sebesar 85,93</p>
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 17 Sep 2021 02:31 |
Last Modified: | 17 Sep 2021 02:31 |
URI: | https://etd.umy.ac.id/id/eprint/3106 |