Skripsi

SEGMENTASI STRUKTUR FETAL PADA CITRA ULTRASONOGRAFI MENGGUNAKAN YOLO BERBASIS DEEP LEARNING

---

Penilaian

---

YOLO (You Only Look Once) merupakan arsitektur deep learning yang dikenal efisien dalam tugas deteksi dan segmentasi objek secara real-time. Meskipun telah banyak digunakan dalam berbagai bidang, penerapannya dalam segmentasi citra ultrasonografi (USG) fetal masih terbatas. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa beberapa versi model YOLO, yaitu YOLOv8, YOLOv9, dan YOLO11, dalam tugas segmentasi citra USG fetal dua dimensi. Terdapat 22 struktur anatomi fetal dijadikan objek segmentasi, termasuk abdomen, femur, rongga dada, dan organ jantung. Sebanyak 12 model awal dilatih menggunakan konfigurasi hyperparameter dasar, kemudian tiga model terbaik dari masing-masing versi menjalani proses tuning dengan variasi epoch dan batch size. Evaluasi dilakukan menggunakan metrik Intersection over Union (IoU) dan kurva segmentation loss. Hasil eksperimen menunjukkan bahwa model YOLOv8-L dengan 200 epoch dan batch size 4 memiliki performa terbaik dengan mIoU mencapai 65% pada data pelatihan dan 56% pada data validasi. Penelitian ini memberikan kontribusi dalam pemanfaatan YOLO untuk segmentasi citra USG fetal dan dapat menjadi dasar bagi pengembangan sistem lanjutan.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2507003962	T170538	T1705382025	Central Library (Reference)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1705382025

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xiii, 99 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

004.07

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Sistem komputer

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment