Skripsi

PERBANDINGAN KINERJA ARSITEKTUR UNET DAN RESNET UNTUK SEGMENTASI JANTUNG ANAK

---

Penilaian

---

Masalah segmentasi jantung diakui sebagai masalah yang sulit karena kesamaan fotometrik antara ventrikel, atrium dan struktur anatomi sekitarnya. Convolutional Neural Network (CNN) pada umumnya digunakan ketika seluruh gambar dibutuhkan untuk diklasifikasi sebagai label kelas. Namun, banyak tugas yang membutuhkan klasifikasi pada setiap piksel pada gambar. Masalah ini dapat diselesaikan dengan Arsitektur Unet dan Resnet. Pada penelitian ini, skenario yang dilakukan adalah melakukan segmentasi 6 kelas pada jantung anak menggunakan arsitektur Unet dan Resnet dengan jumlah model masing-masing kelas berjumlah 8 dengan parameter batch size dan loss function sebagai parameter tuning. Dari 8 model yang diuji pada masing-masing kelas, hasil terbaik ada pada arsitektur Unet dengan nilai rata-rata evaluasi model terbaik yaitu Pixel Accuracy 99.84%, IoU 95.55%, Mean Accuracy 97.54%, FPR 0.06%, Precision 95.72%, Recall 95.15%, dan F1 Score 95.31%.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2107002536	T51359	T513592021	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T513592021

Publisher

Inderalaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Uniersitas Sriwijaya., 2021

Collation

xix, 130 Hlm,: ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

005.707

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Prodi Sistem Komputer
Data Sistem Komputer

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment