KLASIFIKASI PENYAKIT BATU GINJAL MENGGUNAKAN SHIFTED WINDOWS TRANSFORMER (SWIN TRANSFORMER)

Prastyo, Alfian Bima (2025) KLASIFIKASI PENYAKIT BATU GINJAL MENGGUNAKAN SHIFTED WINDOWS TRANSFORMER (SWIN TRANSFORMER). Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) 21081010101_Cover.pdf Download (2MB)
	Text (BAB I) 21081010101_BAB I.pdf Download (1MB)
	Text (BAB II) 21081010101_BAB II.pdf Restricted to Registered users only until 15 September 2028. Download (6MB)
	Text (BAB III) 21081010101_BAB III.pdf Restricted to Registered users only until 15 September 2028. Download (5MB)
	Text (BAB IV) 21081010101_BAB IV.pdf Restricted to Registered users only until 15 September 2028. Download (28MB)
	Text (BAB V) 21081010101_BAB V.pdf Download (211kB)
	Text (DAFTAR PUSTAKA) Daftar_Pustaka.pdf Download (225kB)

Abstract

Batu ginjal adalah masalah urologi umum yang dapat menyebabkan komplikasi serius jika tidak terdeteksi sejak dini. Proses diagnosis tradisional sangat bergantung pada interpretasi manual ultrasonografi, yang rentan terhadap kesalahan dan bisa memakan waktu, terutama di daerah dengan sumber daya perawatan kesehatan terbatas. Penelitian ini berfokus pada penerapan klasifikasi batu ginjal dalam citra ultrasonografi dengan menggunakan Shifted Windows Transformer (Swin Transformer), model pembelajaran Deep Learning yang efisien dalam memproses citra beresolusi tinggi. Beberapa metode preprocessing, seperti resize ukuran citra, konversi format, normalisasi, dan pemisahan dataset. Kinerja model ditingkatkan melalui hyperparameter tuning dengan metode Grid Search. Temuan menunjukkan bahwa Swin Transformer mencapai akurasi 99,92%, dengan presisi 100% dan recall 99.86 dan F1-Score 0.9993 denan waktu pelatihan 12 menit 40 detik. Hasilnya menunjukkan bahwa model ini sangat optimal dalam klasifikasi batu ginjal. kata kunci : Klasifikasi Citra, Deep Learning, Swin Transformer, Grid Search Batu Ginjal, AI Medis

Item Type:

Thesis (Undergraduate)

Contributors: