PERBANDINGAN AKURASI GOOGLENET DAN MOBILENETV3-SMALL DENGAN TEKNIK SQUEEZE-AND-EXCITATION UNTUK KLASIFIKASI CITRA PENYAKIT MATA MANUSIA MENGGUNAKAN OPTIMASI ADAM

Albawani, Raden Shalehuddin (2025) PERBANDINGAN AKURASI GOOGLENET DAN MOBILENETV3-SMALL DENGAN TEKNIK SQUEEZE-AND-EXCITATION UNTUK KLASIFIKASI CITRA PENYAKIT MATA MANUSIA MENGGUNAKAN OPTIMASI ADAM. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (Cover) COVER(Pebandingan Akurasi Googlenet dan Mobilenet_19081010140.pdf Download (746kB)
	Text (Bab 1) BAB 1 (Pendahuluan_19081010140_Bab 1).pdf Download (86kB)
	Text (Bab 2) BAB 2 (Tinjauan Pustaka_19081010140_Bab 2).pdf Restricted to Repository staff only until 23 January 2028. Download (457kB)
	Text (Bab 3) BAB 3 (Metodologi Penelitian_19081010140-Bab 3).pdf Restricted to Repository staff only until 23 January 2028. Download (328kB)
	Text (Bab 4) BAB 4 (Hasil & Pembahasan_19081010140-Bab 4).pdf Restricted to Repository staff only until 23 January 2028. Download (601kB)
	Text (Bab 5) BAB 5 (Kesimpulan & Saran_19081010140_Bab %).pdf Download (68kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA (19081010140).pdf Download (158kB)

Abstract

Mata merupakan salah satu panca indera yang dimiliki oleh manusia yang berguna untuk memvisualisasikan objek dan mendapatkan informasi melalui aspek visual. Ketika terjadi gangguan pada penglihatan, hal ini dapat mengganggu berbagai aktivitas dan dalam kasus yang serius, bahkan bisa berdampak fatal jika tidak ditangani dengan tepat. Di Indonesia, masih banyak masyarakat yang belum sepenuhnya mengetahui tentang pentingnya menjaga kesehatan mata. Banyak sekali contoh penyakit mata yang berakibat fatal bagi manusia, contohnya seperti katarak, retinopatik diabetik, glaukoma, dan lain sebagainya. Seiring dengan kemajuan teknologi yang mempermudah akses manusia terhadap berbagai hal, terdapat teknologi pada bidang visi komputer yang dapat mengidentifikasi jenis objek dalam gambar yang dikenal sebagai klasifikasi citra. Pada penelitian ini, objek yang diteliti adalah mata pada manusia dengan empat kelas yaitu mata normal, katarak, retinopati diabetik, dan glaukoma. Untuk implementasi pada penelitian ini menggunakan perbandingan dari 2 arsitektur yang berbeda yaitu GoogleNet dan MobileNetV3-Small yang menggunakan teknik squeeze-and-excitation dengan ADAM sebagai optimasi yang bertujuan untuk mengetahui tingkat akurasi, serta penggunaan epoch sebagai perbandingan. Hasil akurasi untuk kedua model arsitektur pada penelitian ini berdasarkan dari analisis hasil pengujian melalui hasil performance metrics mendapatkan akurasi yang beragam yang kemudian dengan hasil GoogleNet dengan teknik Squeeze-and-Excitation dengan epoch sebanyak 20 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 94%, MobileNetV3-Small dengan teknik Squeeze-and-Excitation dengan epoch sebanyak 20 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 92%, GoogleNet tanpa teknik Squeeze-and-Excitation dengan epoch sebanyak 20 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 95%, MobileNetV3-Small tanpa teknik Squeeze-and-Excitation dengan epoch sebanyak 20 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 92%, GoogleNet dengan teknik Squeeze-and-Excitation dengan epoch sebanyak 10 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 93%, MobileNetV3-Small dengan teknik Squeeze-and-Excitation dengan epoch sebanyak 10 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 90%, GoogleNet tanpa teknik Squeeze-and-Excitation dengan epoch sebanyak 10 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 94%, MobileNetV3-Small tanpa teknik Squeeze-and-Excitation dengan epoch sebanyak 10 dan penggunaan ADAM sebagai optimasi mendapatkan persentase nilai akurasi sebesar 91%. Kata kunci: Penyakit Mata Manusia, GoogLeNet, MobileNetV3-Small, Squeeze-and-Excitation, ADAM.

Item Type:

Thesis (Undergraduate)

Contributors: