RIZAL MAULANA PURNAMA AJI (2023) PERBANDINGAN PERFORMA KLASIFIKASI CITRA SEL KANKER SERVIKS DENGAN MENGGUNAKAN DEEP LEARNING MODEL DENSENET201 DAN INCEPTION V3. S1 thesis, Universitas Muhammadiyah Yogyakarta.
![[thumbnail of Halaman Judul]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Halaman Judul.pdf
Download (1MB)
![[thumbnail of Lembar Pengesahan]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (793kB)
![[thumbnail of Abstrak]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Abstrak.pdf
Restricted to Registered users only
Download (13kB)
![[thumbnail of Bab I]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab I.pdf
Download (115kB)
![[thumbnail of Bab II]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab II.pdf
Restricted to Registered users only
Download (456kB)
![[thumbnail of Bab III]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab III.pdf
Restricted to Registered users only
Download (688kB)
![[thumbnail of Bab IV]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
![[thumbnail of Bab V]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab V.pdf
Restricted to Registered users only
Download (12kB)
![[thumbnail of Daftar Pustaka]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (81kB)
![[thumbnail of Naskah Publikasi]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (704kB)
![[thumbnail of Full Text]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Full Text.pdf
Restricted to Repository staff only
Download (5MB)
Abstract
Perkembangan teknologi di zaman saat ini khususnya untuk penelitian terhadap klasifikasi citra, dapat membantu memudahkan dunia medis dalam mendeteksi dan mengklasifikasi kelas penyakit kanker serviks secara otomatis melalui sebuah sistem. Sistem ini menggunakan metode deep learning dengan menggunakan pre-trained models DenseNet201, dan Inception V3, nilai parameter yang dihasilkan akan mengetahui dan menentukan pre-trained models yang terbaik. Parameter yang dihasilkan adalah grafik training dan hasil testing yang berupa confusion matrix serta performance. Penelitian ini mencari akurasi, kestabilan grafik, running time, perhitungan hasil confusion matrix dan performance matrix sebagai pengukuran kehandalan metode. DenseNet201 mencapai akurasi tertinggi sebesar 94.79% pada fold 8, sedangkan Inception V3 mencapai akurasi tertinggi sebesar 98.96% pada fold 10. Rata-rata akurasi DenseNet201 adalah 85.602%, sedangkan rata-rata akurasi Inception V3 adalah 90.26%. Sementara itu, untuk running time (waktu yang dibutuhkan untuk melatih model), DenseNet201 membutuhkan waktu rata-rata 16 menit 9 detik untuk satu fold, sedangkan Inception V3 hanya membutuhkan waktu rata-rata 3 menit 11 detik untuk satu fold.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Cervical Cancer, Deep Learning, Convolutional Neural Network (CNN), DenseNet201, Inception V3 |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 26 Oct 2023 06:49 |
Last Modified: | 26 Oct 2023 06:49 |
URI: | https://etd.umy.ac.id/id/eprint/40730 |