ANALISIS KOMBINASI CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM DETEKSI OTOMATIS NON-PROLIFERATIVE DIABETIC RETINOPATHY

Agustin, Tinuk (2021) ANALISIS KOMBINASI CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM DETEKSI OTOMATIS NON-PROLIFERATIVE DIABETIC RETINOPATHY. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text 19.51.1183-TINUK AGUSTIN.pdf - Published Version Download (4MB)

Abstract

Dalam penelitian Analisis kombinasi Convolutional Neural Network dan Support Vector Machine untuk deteksi otomatis Non-Proliferative Diabetic Retinopathy ini bertujuan untuk mengklasifikasikan tingkat keparahan NPDR (ringan, sedang, berat) dengan menggunakan metode CNN sebagai metode ekstraksi fitur dan kemudian akan diklasifikasikan dengan menggunakan metode SVM. Dalam penelitian ini juga akan membandingkan performa dari metode CNN softmax dan metode kombinasi CNN SVM yang akan dinialisis berdasarkan nilai akurasi dan sensitivitas. Dataset dalam penelitian ini terbagi menjadi data latih, data validasi, dan data uji dengan perbandingan 70:15:15. Dan menggunakan teknik augmentasi horizontal flip untuk memperbanyak data, selain itu juga menggunakan data augmentasi untuk menambah variasi data pada saat pelatihan. Sebelum memasuki ekstraksi fitur dataset di preproses dengan hanya mengambil chanel hijau dari RGB gambar yang kemudian ditingkatkan kontrasnya dengan menggunakan CLAHE. Data input hasil preproses ini kemudian di ekstraksi fitur menggunakan CNN dengan model pretrained dari Resnet50, VGG16, dan InceptionV3. Setelah di latih dan mendapatkan model terbaik kemudian model disimpan untuk digunakan pada proses klasifikasi menggunakan SVM. Penelitian ini menyimpulkan bahwa metode kombinasi CNN SVM lebih unggul dibandingkan metode klasifikasi menggunakan CNN softmax. Selain itu, hal yang mempengaruhi adalah penggunaan arsitektur CNN yang digunakan untuk ekstraksi fitur. Penelitian ini menyimpulkan bahwa model arsitektur dengan menggunakan pretrained dari Resnet50 kombinasi SVM memberikan hasil akurasi yang lebih tinggi dibandingkan model lainnya. Dengan hasil akurasi yang diperoleh 99,77% pada pretrained Resnet50 kombinasi SVM.

Actions (login required)

View Item