• 024-7474754 (current)
  • fsm@undip.ac.id
    ``````
  • Visitor
  • Unduh
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Perpustakaan Fakultas Sains Matematika

Universitas Diponegoro

  • Berita
  • Profil
    Profil Singkat Struktur Organisasi Sambutan Kepala Perpustakaan Pustakawan Kontak
  • E-Resources
    Indonesiana
    • Batavia Digital
    • Candi di Indonesia
    • Dokumentasi Perfilman Indonesia
    • Dokumentasi Sastra Indonesia
    • Kepustakaan Presiden RI
    • Keraton Nusantara
    • Pernaskahan Nusantara
    • Pusaka Indonesia
    • Kepustakaan Tokoh Pahlawan P. Diponegoro
    • Kepustakaan Tokoh Pahlawan Jenderal Soedirman
    • Kepustakaan Tokoh Perfilman
    • Khasanah Pustaka Nusantara
    • Perpuspedia
    • Literasi Kanker Indonesia
    Pencarian
    • Indonesia One Search
    • DOAJ
    • Google Scholar
    • Scopus
    • JDIH
    • Bibliografi Nasional Indonesia
    • Katalog Induk Nasional
    • KINK Kemenkes
    • R2KN Kemenkes
    Alat & Sumber Belajar
    • Mendeley
    • Perpustakaan Digital
    • TED
    • Google Experiments
    • Sumber Belajar Kemdikbud
    • Ebook
    Pustaka Kami
    • Jurnal Nasional
    • Jurnal Internasional
    • Jurnal Dilanggan
    • Prosiding
    • Modul Bahan Ajar
  • Panduan
    Perpustakaan Layanan FAQ Penulisan Penelusuran Informasi Akses Internet Koleksi
  • Layanan
    Daftar Anggota Online Sirkulasi Referensi dan Serial Bebas Pinjam Kartu Sakti
  • Area Anggota

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Text

Klasifikasi Citra Radiografi CT Scan Ginjal Menggunakan Metode Convolution Neural Network dengan Arsitektur ResNet50V2

David Pebrianto Pakpahan - Nama Orang;

Klasifikasi citra ginjal memiliki peran penting dalam dunia medis, dikarenakan dengan
menganalisisi citra tersebut dapat memberikan wawasan dalam diagnosis dini penyakit
ginjal, yang sangat krusial palam perencanaan penanganan yang tepat. Pada umumnya untuk
melakukan klasifikasi citra ginjal melibatkan teknik pengolahan citra seperti ekstrasi fitur,
maupun penggunaan metode jaringan saraf tiruan, dan pembelajaran mendalam guna
meningkatkan akurasi dalam klasfikasi dari kondisi ginjal. Hasil penelitian ini berpotensi
untuk mendukung diagnosa kondisi ginjal secara otomatis dan lebih canggih. Akan tetapi,
dalam penelitian klasifikasi citra ginjal, masih terdapat tantangan dalam mengatasi variasi
data citra maupun kompleksitas struktur ginjal, yang dapat mempengaruhi akurasi dan F1-
score model klasifikasi. Oleh karena itu, tujuan penelitian ini adalah mengembangkan model
yang mampu untuk mengidentifikasi secara akurat kondisi ginjal melalui citra ginjal,
sehingga mendukung diagnosis dini terhadap kondisi ginjal bagi pasien. Penelitian ini
mengimplementasikan metode pembelajaran mendalam dengan arsitektur ResNet50V2
untuk klasifikasi citra ginjal. Dataset yang dikumpulkan dalam penelitian ini digunakan
untuk melatih, mevalidasi dan menguji model ResNet50V2, dengan hasil yang diharapkan
dapat memberikan nilai akurasi dan F1-score yang baik dalam mengenali kondisi ginjal.
Dalam penelitian ini, hasil yang diperoleh dari pengujian model klasifikasi citra ginjal
menggunakanResNet50V2 menunjukkan tingkat akurasi sebesar 99,93% dan nilai F1-score
mencapai 99,93961%. Hasil yang diperoleh ini, mencerminkan ketepatan dan kemampuan
model yang dikembangkan dalam tugas mengindetifikasi kondisi ginjal dengan sangat baik.
Hasil penelitian ini menunjukkan potensi besar dalam peningkatan diagnosa dini terhadap
kondisi ginjal dan penanganan yang harus diterapkan pada pasien dengan gangguan ginjal.

Kata Kunci : Citra ginjal, Kondisi ginjal, Klasifikasi, ResNet50V2, Epoch, Batch size,
Akurasi, F1-score


Ketersediaan
1270 F 20241270 F 2024Perpustakaan FSM UndipTersedia
Informasi Detail
Judul Seri
-
No. Panggil
1270 F 2024
Penerbit
: ., 2024
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
David Pebrianto Pakpahan
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Fakultas Sains Matematika
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Jl. Prof. Sudarto, Tembalang, Kec. Tembalang, Kota Semarang, Jawa Tengah 50275

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Perpustakaan Fakultas Sains Matematika

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik