EMAIL: PASSWORD:
Front Office
UPT. PERPUSTAKAAN
Universitas Esa Unggul


Kampus Emas UEU - Jakarta Barat

Phone : 021-5674223, ext 282
Fax :
E-mail : [email protected]
Website : http://library.esaunggul.ac.id

Support (Customer Service) :
[email protected]








Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:
LIVE SUPPORT


Astrid Chrisafi




! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely
Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

Keyword
Mode
Expanded Search (for Free text search only)
 

UEU » Journal » Magister Ilmu Komputer
Posted by [email protected] at 20/01/2022 11:51:10  •  244 Views


KLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (ALEXNET)

Created by :
Habibullah Akbar ( 0315108201 )
Sandfreni



SubjectKLASIFIKASI
KINERJA MODEL
AKURASI MODEL
Alt. Subject CLASSIFICATION
PERFORMANCE MODELS
MODEL ACCURACY
Keywordkanker serviks
convolutional neural network
AlexNet

Description:

Menurut Kementerian Kesehatan Republik Indonesia, kanker serviks memiliki kasus sebesar 23,4 per 100.000 penduduk pada tahun 2018. Tingkat prevalensi angka kejadian yang cukup tinggi tersebut tentunya menyulitkan baik pihak pemerintah dan masyarakat dalam upaya pencegahan dan pengendalian kanker. Pada penelitian ini, kami menggunakan model convolutional neural network dengan arsitektur AlexNet untuk mengklasifikasikan gambar dari sel kanker serviks. Model ini terdiri atas kombinasi lapisan konvolusi, lapisan ReLu, lapisan pooling, dan lapisan fully-connected yang akan mengklasifikasi gambar input serviks menjadi 3 tipe kanker melalui fungsi aktivasi softmax. Dataset yang digunakan merupakan dataset standar yaitu dataset Intel & MobileODT Cervical Cancer Screening. Pengujian arsitektur model AlexNet dilakukan terhadap parameter iterasi (epoch), subset data training untuk mengupdate bobot AlexNet (minibatch), laju pembelajaran (learning rate), resolusi gambar input yang digunakan sebagai patch pembelajaran AlexNet, dan ukuran dataset. Dari hasil eksperimen didapati bahwasanya akurasi sangat dipengaruhi oleh arsitektur lapisan konvolusi, dimana hasil akurasi terbaik mencapai lebih dari 60% yang diberikan oleh AlexNet dengan lapisan konvolusi ganda. Hal ini menunjukkan model AlexNet memiliki potensi yang hampir sama dengan model standar deep residual network untuk melakukan klasifikasi kanker serviks. Secara umum, waktu komputasi yang dibutuhkan berbanding lurus dengan jumlah iterasi. Menariknya, parameter lain dari arsitektur model AlexNet seperti minibatch, learning rate, dan resolusi gambar input tidak memberikan pengaruh yang signifikan atau bahkan justru dapat membuat network gagal meningkatkan performanya.

Date Create:20/01/2022
Type:Text
Format:pdf
Language:Indonesian
Identifier:UEU-Journal-11_2170
Collection ID:11_2170


Source :
JIKO (Jurnal Informatika dan Komputer) Vol. 4, No. 1, April 2021, hlm. 44-51

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2022 Perpustakaan Universitas Esa Unggul


Publication URL :
https://digilib.esaunggul.ac.id/klasifikasi-kanker-serviks-menggunakan-model-convolutional-neural-network-alexnet-23049.html




[ Free Download - Free for All ]

  1.  UEU-Journal-23049-11_2170.pdf - 791 KB

[ FullText Content - Please, register first ]

...No Files...


[ Link of Contents]
  1. KLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (ALEXNET)
    https://ejournal.unkhair.ac.id/index.php/jiko/article/view/2606

 10 Similar Document...

     No similar subject found !

 10 Related Document...






HELP US !
You can help us to define the exact keyword for this document by clicking the link below :

AlexNet , convolutional , convolutional neural network , kanker , kanker serviks , network , neural , serviks



POLLING

Bagaimana pendapat Anda tentang repository kami ?

Bagus Sekali
Baik
Biasa
Jelek
Mengecewakan




55423881


Visitors Today : 1
Total Visitor : 1963250

Hits Today : 17440
Total Hits : 55423881

Visitors Online: 1


Calculated since
16 May 2012

You are connected from 172.17.121.29
using CCBot/2.0 (https://commoncrawl.org/faq/)


UEU Digital Repository Feeds


Copyright © UEU Library 2012 - 2022 - All rights reserved.
Dublin Core Metadata Initiative and OpenArchives Compatible
Developed by Hassan