Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Riansyah, Aditya Fakhri"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    PENERAPAN METODE IMAGE CLASSIFICATION DENGAN CONVOLUTIONAL NEURAL NETWORK UNTUK MENDETEKSI PENYAKIT NUCLEAR SCLEROSIS PADA ANJING BERBASIS ANDROID
    (Program Studi S1 Informatika, 2024) Riansyah, Aditya Fakhri; Sriyani Violina (Pembimbing)
    Penyakit mata pada anjing merupakan masalah kesehatan yang serius yang dapatmenyebabkan gangguan penglihatan dan bahkan kebutaan. Deteksi dini penyakitmata sangat penting untuk mencegah komplikasi dan meningkatkan kualitas hidupanjing. Penelitian ini bertujuan untuk membangun model image classificationmenggunakan metode Convolutional Neural Network (CNN) untuk mendeteksipenyakit nuclear sclerosis pada anjing dan mengembangkan aplikasi Android untukmembantu pemilik anjing dalam mengidentifikasi penyakit nuclear sclerosis padaanjing mereka secara dini. Model CNN dilatih menggunakan dataset gambar mataanjing sehat dan nuclear sclerosis yang diperoleh dari Roboflow. Dataset yangdiperoleh akan dilakukan pre-processing image sebelum dilakukan training. ModelCNN yang dibangun dalam penelitian ini menggunakan arsitektur Sequentialdengan 3 tahapan utama, yaitu ekstraksi fitur, representasi fitur, dan klasifikasi.Tahapan tersebut terdiri dari berbagai lapisan yang terdiri dari dua Conv2D, dualapisan MaxPooling2D, flatten, tiga dense, dan satu dropout. Berbagai variasipengujian dilakukan untuk menentukan parameter terbaik model, termasuk skenario pembagian data, jumlah epoch, dan learning rate. Hasil terbaik diperoleh dengan akurasi mencapai 97,62% menggunakan pembagian data 80% untuktraining, 10% untuk validation, dan 10% untuk testing, dengan jumlah epoch 20dan learning rate 0,001. Penerapan Early Stopping terbukti efektif dalam mencegahterjadinya overfitting. Aplikasi Android dibangun menggunakan bahasapemrograman Kotlin dan platform Android Studio. Integrasi model CNN ke dalamaplikasi dilakukan melalui API yang berfungsi sebagai penghubung antara aplikasiAndroid dan model CNN. Implementasi API memanfaatkan framework FastAPIdan disimpan dalam Cloud Run, salah satu layanan komputasi awan yangdisediakan oleh Google Cloud. Aplikasi Android ini memungkinkan penggunauntuk mengunggah gambar mata anjing dan mendapatkan prediksi pada mataanjing tersebut.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback