Rozi Zaputra, - (2023) DEEP LEARNING UNTUK KLASIFIKASI B-ACUTE LYMPHOBLASTIC LEUKEMIA CELL MENGGUNAKAN ARSITEKTUR DENSENET121. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text LAPORAN LENGKAP NO BAB IV-ROZI ZAPUTRA.pdf Download (1MB) | Preview
	Text (BAB IV) LAPORAN BAB IV-ROZI ZAPUTRA.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Leukemia adalah jenis kanker yang mempengaruhi sel darah putih dan memiliki tingkat kesembuhan yang rendah di Indonesia. Beberapa penelitian sebelumnya telah menggunakan metode Convolutional Neural Network (CNN) untuk klasifikasi Leukemia, tetapi ada kelemahan pada arsitektur yang digunakan. Oleh karena itu, penelitian ini memilih DenseNet121 karena memiliki efisiensi belajar yang tinggi dan bobot yang lebih ringan. Eksperimen ini juga akan mengoptimalkan Tuning Hyperparameter untuk meningkatkan akurasi dan waktu komputasi. Percobaan dilakukan menggunakan berbagai optimizer seperti Adam, SGD, RMSprop, Adadelta, dan Adagrad dengan variasi learning rate dan epoch 50 serta batch size 32. Nilai akurasi tertinggi yang berhasil dicapai untuk klasifikasi Leukemia menggunakan arsitektur DenseNet121 adalah sebesar 83,59%, dengan menggunakan optimizer SGD pada learning rate 0,1. Kata kunci: Convolutional Neural Network, DenseNet121, Hyperparameter Tuning, Optimizer, Learning rate.

Actions (login required)

View Item