Implementasi EfficientNet dan XGBoost untuk Identifikasi Diabetic Retinopathy dengan Menggunakan Citra Retina

Winoto, Yunika Laurensia (2021) Implementasi EfficientNet dan XGBoost untuk Identifikasi Diabetic Retinopathy dengan Menggunakan Citra Retina. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (376kB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (99kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (135kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (429kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (5MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (108kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)

Abstract

Berdasarkan World Health Organization (WHO), diabetes berada pada urutan ketujuh sebagai penyebab kematian pada tahun 2016. Salah satu komplikasi dari diabetes yang mempengaruhi pembuluh darah pada retina dan penglihatan adalah diabetic retinopathy. Diabetic retinopathy telah menjadi penyebab kebutaan global dan diagnosis menggunakan citra retina membutuhkan tenaga ahli yang berpengalaman untuk mendeteksi keberadaan gejala yang berukuran kecil dan terdapat sistem grading yang kompleks sehingga menjadikan proses diagnosis tersebut menjadi sulit dan memakan waktu yang lama. Apabila diabetic retinopathy dapat dideteksi sedini mungkin, terdapat pengobatan yang efektif untuk mencegah penyakit semakin menyebar dan hal tersebut menjadikan proses diagnosis menjadi sebuah proses yang vital. Pada penelitian ini, dilakukan pendekatan dengan menggunakan CNN untuk melakukan identifikasi terhadap diabetic retinopathy dengan menggunakan citra retina dan membuat sebuah preliminary system sebagai identifikasi awal dari diabetic retinopathy. Gaussian Filter akan digunakan untuk melakukan proses filtering dan resizing pada citra sebelum diproses lebih lanjut. Lalu, EfficientNet dan XGBoost secara berurutan akan digunakan untuk melakukan ekstraksi fitur dari citra retina dan klasifikasi fitur citra retina. Network yang dihasilkan pada penelitian ini melalui proses training dengan high-end GPU menggunakan dataset yang disediakan oleh Asia Pacific Tele-Ophthalmology Society (APTOS) dan dapat diakses secara publik. Dengan menggunakan 3662 citra retina yang sudah di-filter dan di-resize menggunakan Gaussian Filter, model klasifikasi yang dihasilkan memperoleh ROC AUC score sebesar 99% untuk klasifikasi kelas biner.

Item Type: Thesis (Bachelor Thesis)
Keywords: Diabetic Retinopathy, Gaussian Filter, EfficientNet, XGBoost
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
600 Technology (Applied Sciences) > 610 Medicine and Health > 614 Forensic Medicine; Incidence of Injuries, Wounds, Disease; Public Preventive Medicine
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 13:43
Last Modified: 25 Aug 2023 06:31
URI: https://kc.umn.ac.id/id/eprint/17551

Actions (login required)

View Item View Item