Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Ardin, Auriel Azril
Unknown Affiliation
Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Komparasi Performa Model 3D CNN dalam Klasifikasi Demensia Alzheimer pada MRI Otak Ardin, Auriel Azril; Tyas, Dyah Aruming
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 15, No 1 (2025): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.103041

Abstract

Penyakit Alzheimer adalah jenis demensia akibat kerusakan pada neuron otak yang memengaruhi memori, bahasa, dan berpikir. Diagnosis manual sering rentan terhadap subjektivitas dan memakan waktu, sehingga diperlukan model otomatis seperti 3D CNN untuk klasifikasi tingkat keparahan Alzheimer. Namun, kompleksitas arsitektur 3D CNN menyebabkan waktu komputasi yang tinggi. Penelitian ini membandingkan tiga arsitektur model 3D CNN yaitu 3D ResNet, 3D ResNeXt + Bi-LSTM, dan 3D CNN + CLSTM untuk menentukan model yang optimal. Dataset yang digunakan diperoleh dari database ADNI. Performa model dievaluasi dengan menggunakan confusion matrix, akurasi, presisi, recall, F1-score dan waktu komputasi.Hasil penelitian menunjukkan bahwa 3D ResNet memiliki akurasi pelatihan tertinggi mencapai 99,54% dan waktu komputasi pelatihan sebesar 57,61 detik/epoch. Model 3D ResNeXt + Bi-LSTM mencapai akurasi pengujian sebesar 99,33% dan waktu inferensi tercepat yaitu 0,0182 detik/sampel, namun waktu komputasi pelatihan terlama yaitu 117,68 detik/epoch. Sementara itu, 3D CNN + CLSTM mencapai akurasi uji sempurna 100% tetapi memiliki waktu inferensi terlama yaitu 0,0268 detik/sampel. Penelitian ini menunjukkan bahwa arsitektur yang sederhana tetap dapat memberikan performa optimal dengan waktu komputasi yang lebih efisien dibandingkan model yang lebih kompleks.
Co-Authors Dyah Aruming Tyas