PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENTNET UNTUK KLASIFIKASI ALZHEIMER

Abstrak / Ringkasan

ALFANDI FIRNANDO (2021) : PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENTNET UNTUK KLASIFIKASI
ALZHEIMER

Alzheimer merupakan kelainan yang ditandai dengan demensia dan menyebabkan penurunan daya ingat yang secara perlahan akan semakin parah akibat adanya gangguan di dalam otak. Dalam mendiagnosis penyakit Alzheimer dibutuhkan evaluasi medis yang sangat cermat. Perkembangan artificial intelligence khususnya bidang deep learning pada computer vision juga banyak diterapkan untuk
mendeteksi penyakit salah satunya Alzheimer. Metode deep learning yang paling populer dan banyak digunakan pada proses pengenalan citra adalah metode Convolutional Neural Networks (CNN). Penelitian ini melakukan klasifikasi data Magnetic Resonance Imaging (MRI) Alzheimer menggunakan metode CNN dengan arsitektur EfficientNet-B0. Dataset yang digunakan berjumlah 6400 citra MRI Alzheimer. Eksperimen dilakukan dengan beberapa skenario resolusi citra, jenis optimizer serta kombinasi dari jumlah neuron pada dense layer. Hasil dari evaluasi model dengan confusion matrix mendapatkan AUC validasi tertinggi pada
eksperimen dengan skenario resolusi citra 224 x 224 pixels dengan optimizer RMSProp dan neuron pada dense layer berjumlah 512, 256 yang menghasilkan AUC mencapai 96.7%.

Kata Kunci – Convolutional Neural Networks, Deep Learning, Hyperparameter Optimization, EfficientNet-B0, Alzheimer

Topik Terkait

Sitasi