SIUSIU TRIFENA, HALIM KLASIFIKASI PENYAKIT DIABETES MELITUS NEUROPATI BERDASARKAN CITRA MEDIS KAPILAROSKOPI MENGGUNAKAN ALGORITMA DEEP LEARNING. [TA] (Submitted)
|
Text
312110013_Siusiu Trifena Halim_LapTA.pdf Download (7MB) | Preview |
Abstract
Komplikasi diabetes melitus pada pembuluh darah kapiler memerlukan deteksi dini yang akurat untuk mencegah progresivitas penyakit. Penelitian ini mengembangkan sistem klasifikasi citra pembuluh darah kapiler menggunakan teknik deep learning dengan empat arsitektur Convolutional Neural Network (CNN) yang berbeda yaitu EfficientNet, ResNet-50, VGG16, dan YOLOv11. Dataset penelitian terdiri dari 2.490 citra pembuluh darah kapiler yang diperoleh melalui teknik Nailfold Capillaroscopy menggunakan perangkat CapillaryScope 500 (MEDL4N5) dengan resolusi 1280×1024 piksel. Evaluasi dilakukan pada berbagai tingkat kompleksitas klasifikasi meliputi klasifikasi biner (normal/abnormal), klasifikasi 3 kelas (sehat, DM Neuropati, DM Non Neuropati), dan klasifikasi 6 kelas dimana masing masing kelas sehat, DM Neuropati dan DM Non Neuropati memiliki data normal dan abnormal. Parameter evaluasi menggunakan accuracy, precision, recall, F1-score, balanced accuracy, dan Matthews Correlation Coefficient (MCC). Hasil penelitian menunjukkan EfficientNet memberikan performa terbaik dengan akurasi 96,80% pada klasifikasi biner, 86,80% pada klasifikasi 3 kelas, dan 78,10% pada klasifikasi 6 kelas. Implementasi pendekatan hierarkis berhasil meningkatkan akurasi overall menjadi 81,10%, menunjukkan efektivitas strategi klasifikasi bertingkat untuk aplikasi diagnostik pembuluh darah kapiler.
| Item Type: | TA |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, Deep Learning, Kapilaroskopi, Klasifikasi Citra Medis, Pembuluh Darah Kapiler, ResNet-50, VGG16, YOLOv11, EfficientNet. |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Teknologi dan Desain > S1 Teknik Informatika |
| Depositing User: | adminperpus ma chung |
| Date Deposited: | 30 Oct 2025 05:56 |
| Last Modified: | 30 Oct 2025 05:56 |
| URI: | http://repository.machung.ac.id/id/eprint/947 |
Actions (login required)
 |
View Item |