Hendraloka, Evan (2025) Penerapan Algoritma Transformer untuk Deteksi Penyakit Ginjal Kronis pada Citra Medis. MBKM thesis, Universitas Multimedia Nusantara.
![]() |
PDF
HALAMAN_AWAL.pdf Download (445kB) |
![]() |
PDF
BAB_I.pdf Download (278kB) |
![]() |
PDF
BAB_II.pdf Download (365kB) |
![]() |
PDF
BAB_III.pdf Download (291kB) |
![]() |
PDF
BAB_IV.pdf Restricted to Registered users only Download (1MB) |
![]() |
PDF
BAB_V.pdf Download (189kB) |
![]() |
PDF
DAFTAR_PUSTAKA.pdf Download (244kB) |
![]() |
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
![]() |
PDF
LEMBAR_PENGESAHAN.pdf Download (52kB) |
Abstract
Penyakit ginjal kronis dikenal sebagai penyakit ginjal kronis (CKD), merupakan salah satu masalah kesehatan yang semakin meningkat di seluruh dunia, termasuk di Indonesia. Tujuan dari penelitian ini adalah untuk mengembangkan model deep learning berbasis arsitektur transformer seperti Vision Transformer (ViT), Swin Transformer, dan Data-efficient Image Transformer (DeiT) untuk mendeteksi CKD secara otomatis menggunakan gambar scan tomografi computed tomography (CT). Studi ini menggunakan tiga skenario dataset yaitu Kaggle, Roboflow, dan kombinasi keduanya untuk meningkatkan akurasi dan generalisasi model. Hasil pelatihan yang sudah dilakukan menunjukkan bahwa DeiT adalah yang terbaik, dengan akurasi pelatihan sebesar 99,91% dan akurasi pengujian sebesar 99,92% pada dataset Kaggle, dan akurasi 100% pada dataset Roboflow dan dataset gabungan. Selain itu, Swin Transformer menunjukkan hasil klasifikasi yang konsisten dan akurasi tinggi. Namun ViT cenderung menghasilkan data uji yang kurang akurat, terutama untuk kelas tumor dan batu ginjal. Diharapkan penelitian ini dapat membantu deteksi CKD secara otomatis dan membantu mengembangkan sistem pendukung diagnosis citra medis.
Item Type: | Thesis (MBKM) |
---|---|
Keywords: | Transformer, DeiT, Swin, ViT, Deep Learning |
Subjects: | ?? T70 ?? |
Divisions: | Faculty of Engineering & Informatics > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 26 Jul 2025 13:02 |
Last Modified: | 26 Jul 2025 13:02 |
URI: | https://kc.umn.ac.id/id/eprint/39335 |
Actions (login required)
![]() |
View Item |