Rijal Fadilah Tsalis (2021) PERBANDINGAN PRETRAINED MODELS PADA METODE CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI LEVEL KARIES GIGI. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (20MB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (22MB)
Abstrak.pdf
Restricted to Registered users only
Download (35kB)
Bab I.pdf
Download (234kB)
Bab II.pdf
Restricted to Registered users only
Download (640kB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (3MB)
Bab V.pdf
Restricted to Registered users only
Download (185kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (187kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (709kB)
Full Text.pdf
Restricted to Repository staff only
Download (47MB)
Abstract
<p>Diagnosis untuk karies gigi dapat dilakukan pemeriksaan oleh dokter gigi menganamnesa seseorang yang mengalami tanda dan gejala karies gigi. Perkembangan teknologi di zaman saat ini khususnya untuk penelitian terhadap klasifikasi citra, dapat membantu memudahkan dunia medis untuk mengedukasi kepada masyarakat dalam menentukan level karies gigi secara otomatis melalui sebuah sistem. Sistem ini menggunakan metode Pretrained models deep learning dengan algoritma Convolutional Neural Network (CNN) yaitu AlexNet, GoogLeNet, dan Inception V3, nilai parameter yang dihasilkan akan mengetahui algoritma yang terbaik. Parameter yang dihasilkan adalah grafik training dan hasil confusion matrix. Penelitian ini mencari akurasi, kestabilan grafik, waktu dan perhitungan hasil confusion matrix sebagai pengukuran kehandalan metode. Hasil training dari data latih untuk akurasi terbaik adalah algoritma Inception V3, waktu run time tercepat adalah algoritma AlexNet dan hasil testing klasifikasi terbaik adalah model Inception V3 dengan nilai accuracy 98,27%, Precicion 93,19%, recall 96,02%, specificity 98,94
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 16 Dec 2021 01:59 |
Last Modified: | 16 Dec 2021 01:59 |
URI: | https://etd.umy.ac.id/id/eprint/4728 |