Ainal Fajri Malahayati Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2024

Skripsi

Penyakit Alzheimer adalah penyakit neurodegeneratif yang disebabkan oleh kerusakan neuron di otak, yang mengakibatkan penurunan kemampuan dalam melakukan aktivitas sehari-hari. Hingga saat ini, penyakit Alzheimer belum dapat disembuhkan. Namun, pemberian obat-obatan dapat mengurangi progresivitas penyakit ini. Selain itu, deteksi dini penyakit Alzheimer sangat penting sebagai langkah pencegahan. Penelitian ini bertujuan untuk membangun model klasifikasi yang dapat mendeteksi tahap awal penyakit Alzheimer. Dataset yang digunakan dalam penelitian ini adalah "Modified Alzheimer’s Dataset", yang merupakan data citra medis MRI otak manusia dengan pandangan axial. Dataset ini dikelompokkan menjadi empat kelas: Non-Demented (3200 gambar), Very Mild Demented (2240 gambar), Mild Demented (896 gambar), dan Moderate Demented (64 gambar), dengan total 6400 gambar. Untuk proses pelatihan, arsitektur yang digunakan adalah SqueezeNet dan EfficientNet, yang keduanya merupakan pre-trained models. Sebelum model dilatih, preprocessing dilakukan pada dataset menggunakan teknik Synthetic Minority Oversampling Technique and Edited Nearest Neighbors (SMOTE-ENN) untuk mengatasi masalah imbalanced class pada dataset. Setelah preprocessing, data dilatih menggunakan SqueezeNet dan EfficientNet dengan beberapa konfigurasi hyperparameter. Dari konfigurasi tersebut, diperoleh model terbaik untuk masing-masing arsitektur, yang kemudian dianalisis lebih lanjut untuk membandingkan kinerja antara SqueezeNet dan EfficientNet. Akurasi yang dihasilkan oleh model terbaik untuk SqueezeNet dan EfficientNet adalah 98.75% dan 99.92%, secara berurutan. Kata kunci : Penyakit Alzheimer, Klasifikasi, Imbalanced Dataset, Deep Learning, SqueezeNet, EfficientNet. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129754 2024-09-03 11:55:37 2024-09-03 16:35:18 machine generated