cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Romy Budhi
Contact Email
lppm@machung.ac.id
Phone
+62341-550171
Journal Mail Official
lppm@machung.ac.id
Editorial Address
Universitas Ma Chung Villa Puncak Tidar N-01 Malang
Location
Kota malang,
Jawa timur
INDONESIA
Prosiding Seminar Nasional Universitas Ma Chung
Published by Universitas Ma Chung
ISSN : -     EISSN : 28087771     DOI : -
Core Subject : Health, Science, Education, Engineering,
Computer Science & IT Engineering Languange, Linguistic, Communication & Media Public Health Other
Seminar Nasional Universitas Ma Chung, merupakan diseminasi akademisi di berbagai bidang, sebagaimana berikut ini : Sains : Standardisasi Bahan Alam; Formulasi Bahan Alam; Fitofarmasi, Fitokimia dan Farmakognosi; Bioassay dan Biokimia; Farmasi Klinis dan Komunitas. Teknologi : Information System, Software Engineering, Computer Network Security; E-commerce, E-governance, Business Process, Decision Support System; Big Data, Data Mining Data Warehouse, Text Mining; Information Management, Technopreneurship; Data Engineering, Business Intelligence; Natural Language Processing, Image Processing; Expert System, Machine Learning, Deep Learning; Fuzzy Logic, Searching Technique; Kriptografi, Block Chain; Human Machine Interaction, Internet of Things; Cloud Computing, Computer Network; dan Bidang IT lainnya. Humaniora : Pengajaran Bahasa (Indonesia/BIPA, Mandarin dan Inggris); Pembelajaran Masa dan Pasca Pandemi; Isu-isu Linguistik Mutakhir; Sastra di Era Digital; Kajian Penerjemahan; Bahasa, Budaya, Pariwisata; Bahasa dan Kewirausahaan.
Arjuna Subject : Umum - Umum
Articles 147 Documents
 10   11   12   13   14 
Perbandingan Akurasi Model VGG16, ResNet50, dan MobileNet dalam Pengenalan Ekspresi Wajah Sedih dan Senang pada Dataset FER2013 Alfond Manuel Joseph
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengenalan ekspresi wajah adalah bidang krusial dalam interaksi manusia-komputer dan berbagai aplikasi visi lainnya, meskipun sering menghadapi tantangan signifikan seperti variasi ekspresi individu, kondisi pencahayaan yang beragam, dan oklusi. Penelitian ini bertujuan untuk mengevaluasi, serta membandingkan secara komprehensif performa akurasi model VGG16, ResNet50, dan MobileNet dalam mengenali dua ekspresi wajah fundamental: sedih (sad) dan senang (happy). Evaluasi ini dilakukan menggunakan subset dataset FER2013 yang telah difilter secara spesifik untuk kedua kelas emosi tersebut, memastikan fokus yang tajam pada tugas klasifikasi biner. Metode yang digunakan melibatkan adaptasi ketiga arsitektur Convolutional Neural Network (CNN) pre-trained tersebut. Kami memodifikasi lapisan output mereka agar sesuai dengan tugas klasifikasi biner yang spesifik, lalu melatih model-model ini secara iteratif menggunakan data citra "sad" dan "happy" dari FER2013. Hasil eksperimen menunjukkan bahwa VGG16 berhasil mencapai akurasi pelatihan 85.94% dan akurasi pengujian tertinggi sebesar 85.14%, mengungguli model lainnya. MobileNet menunjukkan akurasi pelatihan 82.81% dan akurasi pengujian 78.25%, sementara ResNet50 memperoleh akurasi pelatihan 65.62% dan akurasi pengujian 64.63%. Perbandingan ini secara jelas mengindikasikan bahwa VGG16, dengan arsitekturnya yang lebih dalam, memberikan kinerja superior dalam hal akurasi untuk pengenalan ekspresi "sad" dan "happy" pada dataset FER2013 yang difilter.
Pengaruh Progressive Resizing pada EfficientNetB4 untuk Klasifikasi Pneumonia Bakterial dan Viral Benedict Michael Pepper; Elroi Yonatan Raharjo; Windra Swastika
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pneumonia merupakan penyebab utama kematian akibat infeksi pada anak di bawah usia lima tahun, menyumbang sekitar 14% dari seluruh kematian anak menurut WHO. Diferensiasi antara pneumonia bakterial dan viral berdasarkan citra X-ray dada merupakan tantangan klinis yang signifikan karena keduanya menunjukkan pola radiologis yang tumpang tindih, namun memerlukan penanganan terapeutik yang berbeda, yaitu antibiotik untuk bakteri dan penanganan suportif untuk virus. Penelitian ini membandingkan dua strategi pelatihan berbasis transfer learning pada arsitektur EfficientNetB4 untuk klasifikasi biner pneumonia bakterial versus viral: (1) strategi Fixed Size yang melatih model langsung pada resolusi 384x384 piksel selama 32 epoch, dan (2) strategi Progressive Resizing yang melatih melalui tiga tahap resolusi meningkat (224, 256, dan 384 piksel) selama total 41 epoch. Kedua model menggunakan arsitektur identik berupa Concat Pooling head (GlobalAveragePooling2D + GlobalMaxPooling2D), Focal Loss, augmentasi Albumentations dengan MixUp, serta optimizer AdamW. Menggunakan dataset Kermany et al. dengan 3.883 citra pelatihan-validasi dan set uji terpisah sebesar 390 citra (242 bakterial, 148 viral), dengan evaluasi menggunakan Test-Time Augmentation (TTA) 2-langkah deterministik, model Fixed Size mencapai akurasi 86,92% dan ROC AUC 0,9198, mengungguli model Progressive Resizing yang mencapai akurasi 78,46% dan ROC AUC 0,8011. Visualisasi Grad-CAM mengonfirmasi bahwa Model Fixed Size menghasilkan peta aktivasi yang lebih terlokalisasi secara spasial pada parenkima paru yang patologis. Temuan ini menunjukkan bahwa pelatihan langsung pada resolusi target lebih efektif untuk tugas klasifikasi citra medis yang bergantung pada fitur resolusi tinggi.
The Kompetensi Pragmatik Chatbot AI Bahasa Indonesia: Analisis Tincak Tutur, Kesantunan, dan Implikatur Percakapan pada ChatGPT, Gemini, dan Grok Arjuna Satria Dewa Bagaskara; Asyura Al Manna; Tengku Aufa Naufal Syamil
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Adopsi chatbot berbasis kecerdasan buatan (Artificial Intelligence/AI)di Indonesia telah menciptakan ekosistem komunikasi manusia-mesin yang menuntut kompetensi pragmatik tinggi, namun kajian mengenai kapasitas sistem AI generatif dalam lanskap sosiolinguistik lokal masih sangat terbatas. Penelitian ini bertujuan mengevaluasi kompetensi pragmatik komparatif dari ChatGPT, Gemini, dan Grok melalui analisis tindak tutur, strategi kesantunan, dan implikatur percakapan berbahasa Indonesia. Menggunakan metode Pragmatik Eksperimental, studi kualitatif ini menganalisis 69 unit respons yang diperoleh dari 23 prompt terstruktur. Stimulus tersebut mencakup kluster tindak tutur (asertif, direktif, komisif, ekspresif), pengelolaan ancaman muka (face-threatening acts), serta inferensi implikatur ironis. Data dianalisis secara terintegrasi menggunakan sintesis teori tindak tutur, kesantunan, dan maksim kooperatif, dengan uji reliabilitas antarpenilai berbasis koefisien Cohen's kappa. Hasil penelitian menunjukkan bahwa meskipun ketiga platform menampilkan kompetensi fungsional pada tingkat permukaan, ketiganya memiliki orientasi komunikatif yang kontras: ChatGPT unggul dalam efisiensi berbasis tugas (task-oriented), Gemini unggul dalam pengenalan implikatur namun mengalami deviasi sistematis berupa over-informativeness (exploratory-oriented), sedangkan Grok paling responsif terhadap penanda sosio-pragmatik lokal melalui akomodasi register informal (interpersonal-oriented). Temuan ini membuktikan bahwa kompetensi pragmatik AI bersifat multidimensional dan menyingkap adanya celah representasi budaya pada sistem global. Implikasi praktis dari studi ini mendesak integrasi eksplisit penanda sosio-pragmatik khas bahasa Indonesia dalam tahap fine-tuning model untuk menciptakan teknologi asisten virtual yang berterima secara kultural.
Rekayasa Perangkat Lunak Sistem Administrasi Asesmen Berdasarkan Kurikulum Merdeka Pada Jenjang Sekolah Dasar Stephanie Kartika; Meme Susilowati
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan administrasi asesmen merupakan salah satu aspek penting dalam mendukung implementasi Kurikulum Merdeka pada jenjang sekolah dasar. Namun, proses administrasi asesmen yang masih dilakukan secara manual berpotensi menimbulkan kesalahan pencatatan, keterlambatan pengolahan data, serta kurang optimalnya penyajian laporan hasil belajar peserta didik. Kondisi tersebut ditemukan pada SDK Yos Sudarso Kepanjen, sehingga diperlukan solusi yang mampu mendukung pengelolaan administrasi asesmen secara lebih efektif. Penelitian ini bertujuan untuk merancang Sistem Administrasi Asesmen Berdasarkan Kurikulum Merdeka berbasis web pada jenjang sekolah dasar. Metode yang digunakan adalah Three Major Phases yang terdiri atas tahap analisis, desain, dan implementasi, dengan fokus penelitian pada tahap analisis dan desain. Pengumpulan data dilakukan melalui observasi dan wawancara dengan pihak sekolah untuk mengidentifikasi kebutuhan pengguna dan kebutuhan sistem. Hasil penelitian berupa rancangan sistem yang meliputi user characteristic, use case diagram, sitemap, logical database, dan user interface. Rancangan tersebut disusun berdasarkan kebutuhan kepala sekolah, guru mata pelajaran, wali kelas, dan orang tua siswa dalam mengelola administrasi asesmen. Hasil perancangan menunjukkan bahwa sistem yang dikembangkan mampu mengakomodasi kebutuhan pengelolaan data asesmen, pengolahan nilai, serta penyusunan rapor secara terstruktur. Rancangan ini diharapkan dapat menjadi dasar dalam pengembangan perangkat lunak yang mendukung efektivitas dan efisiensi pengelolaan administrasi asesmen pada jenjang sekolah dasar.
Rancang Bangun Sistem Informasi Pengelolaan Pelatihan dan Sertifikasi Berbasis Web (Studi Kasus: PT XYZ) Christofani Gracia Palupi; Soetam Rizky Wicaksono
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Lembaga pelatihan seringkali menghadapi kendala dalam pengelolaan administrasi pendaftaran dan sertifikasi yang masih bersifat manual atau belum terintegrasi. Hal ini menyebabkan lambatnya proses verifikasi pembayaran serta distribusi sertifikat kepada peserta. Penelitian ini bertujuan untuk membangun sebuah sistem informasi pelatihan dan sertifikasi yang mampu mengotomatisasi alur pendaftaran, integrasi pembayaran, dan manajemen data narasumber. Sistem dikembangkan menggunakan metodologi yang mencakup tahapan analisis kebutuhan, perancangan antarmuka, hingga implementasi fitur otomatisasi. Hasil dari penelitian ini adalah sebuah platform yang berhasil mengintegrasikan notifikasi WhatsApp sebagai media konfirmasi instan, gerbang pembayaran (payment gateway) untuk verifikasi transaksi otomatis, serta panel khusus bagi Penanggung Jawab (PJ) instansi untuk manajemen peserta kolektif. Dengan adanya sistem ini, proses administrasi menjadi lebih sistematis, transparan, dan memudahkan koordinasi antara administrator, instruktur, serta peserta pelatihan.
HUBUNGAN DRUG RELATED PROBLEMS TERHADAP KONTROL GLIKEMIK PASIEN DIABETES MELITUS Ambar Yunita Nugraheni; Arrozza Fadhilah Mutakhoirina
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pasien diabetes mellitus (DM) tipe 2 rentan mengalami kejadian Drug Related Problems (DRPs) kejadian DRPs ini dapat mempengaruhi ketercapaian kadar gula darah, pasien dapat mengalami hipoglikemia maupun hiperglikemia akibat adanya DRPs. DRPs kategori interaksi obat, kontraindikasi, dosis terlalu rendah, dosis terlalu tinggi, dan obat tidak efektif pada pasien diabetes mellitus sering dikaitkan dengan pengendalian gula darah. Tujuan penelitian ini, yaitu untuk mengevaluasi DRPs dan hubungannya terhadap ketercapian kadar glukosa darah pasien DM tipe 2 di fasilitas kesehatan primer. Jenis penelitian ini adalah cross sectional dengan pengambilan sampel menggunakan metode purposive sampling berdasarkan kriteria inklusi: pasien DM tipe 2 rawat jalan yang telah menjalani terapi antidiabetes minimal 3 bulan, pasien DM tipe 2 dengan atau tanpa penyerta, mendapat terapi lebih dari 1 obat, memiliki data rekam medik lengkap meliputi identitas pasien, diagnosis, alergi, dan data obat lengkap pada rekam medik, serta data kadar gula darah puasa. Data dianalisis secara deskriptif dan uji Chi square untuk melihat hubungan DRPs dan ketercapaian kadar gula darah. Hasil penelitian dari 87 pasien menunjukkan adanya DRPs obat tidak efektif 26 kasus (29,88%), interaksi obat 28 kasus (32,18%), dosis lebih, frekuensi kurang 12 kasus (13,79%) dan tidak ditemukan DRPs pada kategori kontraindikasi, dosis kurang serta frekuensi lebih. Hasil outcome terapi menunjukkan sebanyak 28 pasien (32,18%) mencapai target terapi dan 59 pasien (67,81%) tidak mencapai target terapi. Hubungan kejadian DRPs dengan ketercapaian kadar glukosa darah menunjukkan adanya hubungan (p <0,05) bahwa pasien yang mengalami DRPs dapat menyebabkan ketidaktercapaian kadar glukosa darah (kontrol glikemik).
PEMBERDAYAAN DAN PENDAMPINGAN PENGELOLAAN INFORMASI PENDIDIKAN MELALUI PENGEMBANGAN WEBSITE PROFIL KB-BA-TPA RESTU KOTA MALANG Gede Susanta Wijaya; Bintang Yodisa Suta; Mirza Fazle Rabbi Syahputra; Jeremia Valerian Lumban Gaol; Muhammad Nurwegiono
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi informasi mendorong lembaga pendidikan untuk menyediakan layanan informasi yang mudah diakses, terstruktur, dan resmi. KB-BA-TPA RESTU Kota Malang menghadapi kendala dalam penyampaian informasi sekolah karena profil lembaga, program pendidikan, fasilitas, kegiatan, berita, galeri, kontak, dan lokasi belum tersaji secara optimal dalam satu media digital terpusat. Kondisi tersebut membatasi pengenalan sekolah kepada calon wali murid serta menyulitkan masyarakat memperoleh informasi yang lengkap dan konsisten. Artikel ini bertujuan mengembangkan website profil KB-BA-TPA RESTU Kota Malang sebagai pusat informasi pendidikan yang sederhana, informatif, dan mudah dikelola. Metode pengembangan sistem menggunakan Waterfall yang mencakup tahap analisis kebutuhan, perancangan sistem, dan implementasi. Analisis kebutuhan dilakukan dengan mengidentifikasi kebutuhan informasi sekolah, data profil lembaga, aset visual, fitur bagi pengunjung, serta kebutuhan pengelolaan konten oleh administrator. Tahap perancangan menghasilkan struktur menu, sitemap, use case diagram, class diagram, wireframe, dan rancangan antarmuka. Implementasi dilakukan menggunakan Laravel berbasis PHP 8.3, Filament PHP, Tailwind CSS, Alpine.js, serta basis data SQLite pada lingkungan pengembangan dan MySQL pada lingkungan produksi. Hasil implementasi berupa halaman publik yang menyajikan profil, program layanan, program keagamaan, pendidik, prestasi, publikasi, galeri, dan kontak sekolah. Sistem juga menyediakan admin panel untuk membantu pengelola memperbarui informasi dan media secara mandiri. Pengembangan website ini menghasilkan media informasi terpusat yang mendukung penyampaian informasi sekolah secara lebih transparan, konsisten, dan mudah dijangkau oleh masyarakat.
SEGMENTASI SEMANTIK ELEMEN UI/UX UNTUK EVALUASI AKSESIBILITAS DESAIN DIGITAL Syahtria Akbaruari; Dwi Wahyu Prabowo; Nurahman
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aksesibilitas antarmuka pengguna (User Interface/UI) merupakan aspek penting dalam pengembangan platform mobile dan web untuk memastikan seluruh pengguna, termasuk penyandang disabilitas, dapat mengakses layanan digital secara setara. Namun, proses evaluasi aksesibilitas yang masih dilakukan secara manual umumnya membutuhkan waktu yang lama, biaya yang tinggi, serta berpotensi menghasilkan penilaian yang bersifat subjektif. Penelitian ini mengusulkan pendekatan otomatis berbasis deep learning menggunakan DeepLabV3+ dan backbone MobileNetV3-Large untuk melakukan segmentasi semantik lima kelas elemen UI, yaitu Background, Teks, Tombol, Gambar/Ikon, dan Navigasi. Dataset yang digunakan terdiri atas RICO yang memuat 10.000 citra antarmuka Android dan WebSRC yang berisi 1.000 citra antarmuka web. Pseudo-label dibangun secara otomatis melalui proses parsing view hierarchy berbasis JSON pada dataset RICO serta pendekatan heuristik berbasis computer vision pada dataset WebSRC. Pelatihan model menerapkan strategi progressive unfreezing backbone yang dikombinasikan dengan mekanisme reset counter pada early stopping guna meningkatkan stabilitas dan efektivitas proses pembelajaran model. Evaluasi performa dilakukan menggunakan Mean Intersection over Union (mIoU), Pixel Accuracy, dan Dice Coefficient. Hasil terbaik diperoleh pada epoch ke-83 dengan nilai mIoU sebesar 0,3537, Pixel Accuracy sebesar 0,6523, dan Mean Dice sebesar 0,4800. Kelas Navigasi menghasilkan nilai Intersection over Union tertinggi, yaitu 0,5652, sedangkan kelas Tombol mengalami peningkatan performa dari 0,1666 menjadi 0,2044 atau meningkat sebesar 22,7% dibandingkan model dasar (baseline). Hasil penelitian ini menunjukkan bahwa model yang dikembangkan berpotensi menjadi fondasi awal dalam membangun sistem evaluasi aksesibilitas antarmuka pengguna yang lebih otomatis, konsisten, dan efisien di masa mendatang.
KLASIFIKASI KEMATANGAN BUAH LOKAL KALIMANTAN MENGGUNAKAN TRANSFER LEARNING Nisa Puspitasari; Dwi Wahyu Prabowo; Nurahman
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan tingkat kematangan buah kelapa sawit merupakan salah satu faktor yang berpengaruh langsung terhadap mutu dan produktivitas hasil perkebunan.Pada praktiknya, identifikasi kematangan buah masih banyak mengandalkan pengamatan manusia, sehingga hasil penilaian rentan terhadap perbedaan persepsi antaroperator. Penelitian ini mengusulkan penerapan metode transfer learning untuk mengotomatisasi proses identifikasi tingkat kematangan buah kelapa sawit berbasis citra digital. Dua arsitektur deep learning, yaitu MobileNetV3-Large dan EfficientNet-B0, digunakan untuk membangun model klasifikasi sekaligus dianalisis performanya. Proses pelatihan memanfaatkan dataset Fruits-360 sebagai sumber pembelajaran awal fitur visual, kemudian dilakukan penyesuaian menggunakan dataset citra buah kelapa sawit yang mencakup tiga kelas tingkat kematangan, yaitu mentah, mengkal, dan matang. Sebelum pelatihan model dilakukan, seluruh citra diproses melalui tahap prapengolahan dan augmentasi untuk meningkatkan keragaman data serta mengurangi risiko overfitting Kemampuan model dalam melakukan klasifikasi dinilai berdasarkan nilai accuracy, precision, recall, dan F1-score yang diperoleh dari hasil pengujian. Hasil eksperimen menunjukkan bahwa kedua model mampu mengenali tingkat kematangan buah dengan baik. Namun demikian, EfficientNet-B0 menghasilkan performa yang lebih tinggi dengan nilai accuracy 92,31%, precision 92,86%, recall 92,86%, dan F1-score 92,20%. Sementara itu, MobileNetV3-Large memperoleh accuracy 79,49%, precision 82,94%, recall 80,30%, dan F1-score 79,58%. Temuan ini menunjukkan bahwa pendekatan transfer learning memiliki potensi yang kuat untuk mendukung pengembangan sistem identifikasi kematangan buah kelapa sawit secara otomatis, konsisten, dan efisien pada lingkungan perkebunan modern.
KLASIFIKASI RETINOPATI DIABETIK DARI CITRA FUNDUS MENGGUNAKAN CNN Oktavia Ramadhani; Dwi Wahyu Prabowo; Nurahman
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Retinopati diabetik merupakan salah satu komplikasi diabetes yang dapat menyebabkan penurunan kemampuan penglihatan hingga kebutaan apabila tidak dikenali pada tahap awal. Pemeriksaan citra fundus retina banyak digunakan untuk mengidentifikasi kondisi tersebut karena mampu menampilkan perubahan pada retina secara visual. Namun, proses skrining masih menghadapi kendala akibat tingginya jumlah pasien dibandingkan ketersediaan tenaga medis yang melakukan evaluasi citra secara manual. Penelitian ini mengusulkan model klasifikasi tingkat keparahan retinopati diabetik berbasis transfer learning dengan memanfaatkan arsitektur EfficientNet-B3. Dataset yang digunakan adalah Indian Diabetic Retinopathy Image Dataset (IDRiD) yang terdiri atas lima kategori tingkat keparahan penyakit. Sebelum proses pelatihan dilakukan, citra melalui tahap praproses berupa penyesuaian ukuran, peningkatan kontras menggunakan Contrast Limited Adaptive Histogram Equalization (CLAHE), serta augmentasi data untuk memperkaya variasi sampel pelatihan. Kinerja model dievaluasi menggunakan metrik AUC-ROC Macro, accuracy, Cohen’s Kappa, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model memperoleh nilai AUC-ROC Macro sebesar 0,8186 dengan accuracy sebesar 55,07% dan Cohen’s Kappa sebesar 0,6747. Evaluasi pada masing-masing kelas menunjukkan performa yang tidak merata, terutama pada kelas dengan jumlah data yang lebih sedikit. Untuk meningkatkan pemahaman terhadap proses pengambilan keputusan model, penelitian ini menerapkan Grad-CAM guna memvisualisasikan area retina yang berkontribusi terhadap hasil prediksi. Secara keseluruhan, hasil penelitian menunjukkan bahwa EfficientNet-B3 memiliki kemampuan yang cukup baik dalam mengidentifikasi tingkat keparahan retinopati diabetik serta berpotensi digunakan sebagai pendukung skrining otomatis.

Page 12 of 15 | Total Record : 147

 10   11   12   13   14 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Bahasa dan Seni Vol. 2 (2022): Prosiding Seminar Nasional Universitas Ma Chung Vol. 1 (2021): Prosiding Seminar Nasional Universitas Ma Chung