Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JATI (Jurnal Mahasiswa Teknik Informatika)
Fauzan Novriandy, Muhammad
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIKASI CITRA PADA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR DENSENET201 MENGGUNAKAN OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10077

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Densenet201 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan Densenet201 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.96 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Densenet201 menggunakan Optimasi Adam pada Akuisisi Data 70 % dan 30 %, dan Batch Size 64 dengan memperoleh akurasi sebesar 0.86. Pada pelatihan dan pengujian dengan data uji/validasi, model Densenet201 menggunakan Optimasi SGD pada akuisisi data 80 % dan 20 %, menggunakan Batch Size 32 mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 338 gambar, sedangkan terdapat 22 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 334 gambar yang diklasifikasikan dengan benar dan hanya 6 gambar yang salah diklasifikasikan.
KLASIFIKASI CITRA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR RESNET50 OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4732

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Resnet50 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan model Resnet50 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.95 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Resnet50 menggunakan Optimasi Adam pada akuisisi data 70 % dan 30 % menggunakan Batch Size 32 dengan memperoleh akurasi sebesar 0.84. Pada pelatihan dan pengujian dengan data uji/validasi, model Resnet50 menggunakan Optimasi SGD, pada Akuisisi Data 70 % dan 30 %, dan menggunakan Batch Size 32. mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 470 gambar, sedangkan terdapat 26 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 473 gambar yang diklasifikasikan dengan benar dan hanya 37 gambar yang salah diklasifikasikan.
KLASIFIKASI CITRA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR RESNET50 OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4732

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Resnet50 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan model Resnet50 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.95 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Resnet50 menggunakan Optimasi Adam pada akuisisi data 70 % dan 30 % menggunakan Batch Size 32 dengan memperoleh akurasi sebesar 0.84. Pada pelatihan dan pengujian dengan data uji/validasi, model Resnet50 menggunakan Optimasi SGD, pada Akuisisi Data 70 % dan 30 %, dan menggunakan Batch Size 32. mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 470 gambar, sedangkan terdapat 26 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 473 gambar yang diklasifikasikan dengan benar dan hanya 37 gambar yang salah diklasifikasikan.
Co-Authors Achmad Junaidi Basuki Rahmat Masdi Siduppa