relation: https://eprints.amikom.ac.id/id/eprint/33052/
title: ANALISIS KOMPARATIF VISION TRANSFORMER (VIT)  MENGGUNAKAN HYBRID FINE-TUNING–XGBOOST   UNTUK KLASIFIKASI PENYAKIT KATARAK   BERBASIS CITRA MATA
creator: -, Nadiyatulhusna
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Penyakit katarak merupakan penyebab utama kebutaan yang dapat dicegah  jika didiagnosis secara dini. Namun, pemeriksaan manual citra fundus seringkali  memakan waktu dan bergantung pada keahlian spesialis. Penelitian ini bertujuan  mengembangkan dan menganalisis secara komparatif model klasifikasi citra  katarak menggunakan arsitektur Vision Transformer (ViT) dengan pendekatan  hibrida fine-tuning dan eXtreme Gradient Boosting (XGBoost). Eksperimen  menggunakan data sekunder dari repositori Ocular Disease Intelligent Recognition  (ODIR) yang dibagi dengan metode Holdout (80% data latih, 20% data uji murni).  Untuk mengatasi data tidak seimbang dan mencegah overfitting, skema Stratified  5-Fold Cross Validation dikombinasikan dengan Random Oversampling (ROS)  secara internal pada setiap lipatan. Skenario penelitian membandingkan model ViT  murni end-to-end (baseline) dengan model Hybrid ViT-XGBoost, di mana ViT  bertindak sebagai pengekstraksi fitur laten 768-dimensi dari token CLS dan  XGBoost sebagai pengklasifikasi akhir berbasis decision tree ensemble. Hasil  pengujian pada 684 sampel data uji murni menunjukkan model Hybrid ViTXGBoost  memberikan  performa  terbaik  dengan  Akurasi  global  97%, Presisi  kelas    katarak  0,85,  Recall  0,84,  dan  F1-Score  0,85.  Sebaliknya,  ViT  murni  menghasilkan    Akurasi  lebih  rendah  (96%)  dan  Presisi  katarak  jatuh  di  angka  0,75  akibat  18  kasus    False    Positive. Hambatan atensi global ViT terhadap noise visual (artifak  pencahayaan dan debu lensa sebesar 8,93% dari data) berhasil diredam oleh batas  keputusan non-linear XGBoost. Penelitian ini membuktikan model hibrida ini  menghasilkan diagnosis yang lebih selektif dan andal untuk diimplementasikan  pada sistem pendukung keputusan klinis masa depan bagi praktisi medis.
date: 2026-05-25
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/5/BAB%20IV.pdf
format: text
language: en
identifier: https://eprints.amikom.ac.id/id/eprint/33052/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33052/8/Publikasi.pdf
identifier:   -, Nadiyatulhusna  (2026) ANALISIS KOMPARATIF VISION TRANSFORMER (VIT) MENGGUNAKAN HYBRID FINE-TUNING–XGBOOST UNTUK KLASIFIKASI PENYAKIT KATARAK BERBASIS CITRA MATA.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.