KLASIFIKASI PENYAKIT DIABETIC RETINOPATHY PADA SEGMENTASI PEMBULUH DARAH DALAM CITRA FUNDUS MENGGUNAKAN AUTOMATIC POLLING SEEDED REGION GROWING (APSRG) DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) - Dalam bentuk buku karya ilmiah
MUHAMMAD WILDAN RUSLI

Informasi Umum

Kode

25.04.880

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

84 kali

Informasi Lainnya

Abstraksi

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi pembuluh darah pada citra fundus melalui integrasi metode <em>Automatic Polling Seeded Region Growing</em> (APSRG) untuk segmentasi dan <em>Learning Vector Quantization</em> (LVQ) untuk klasifikasi. Evaluasi performa segmentasi menggunakan dataset <em>DRIVE</em> menunjukkan hasil yang menjanjikan dengan akurasi 91.19%, recall 86.45%, namun <em>precision</em> yang relatif rendah (45.70%) dan F1-<em>Score</em> 59.79%. Dalam aspek klasifikasi, model LVQ dievaluasi menggunakan teknik 5-<em>fold</em> <em>cross-validation</em>, menghasilkan rata-rata akurasi 0.4900 dengan standar deviasi 0.2354. Evaluasi pada <em>validation set</em> mencapai akurasi 0.5000 dan <em>test set</em> 0.6000, namun menunjukkan ketidakseimbangan performa antar kelas dengan kinerja yang lebih baik pada kelas 1 dibandingkan kelas 2. Hasil penelitian mengindikasikan perlunya optimasi lebih lanjut, terutama dalam mengurangi <em>false positive</em> pada proses segmentasi dan meningkatkan kemampuan klasifikasi untuk kelas 2. Penelitian ini memberikan landasan untuk pengembangan sistem klasifikasi pembuluh darah yang lebih akurat dan efisien di masa mendatang.<br />  <br /> <strong>Kata kunci: </strong><strong>APSRG, citra fundus, klasifikasi, LVQ, segmentasi pembuluh darah</strong><strong>.</strong> <script src="chrome-extension://fbnkflkahhlmhdgkddaafgnnokifobik/assets/pageScripts.js"></script>

• CSH3L3 - PEMBELAJARAN MESIN

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook