001 Hak Akses (open/membership)membership
700 Entri Tambahan Nama OrangBevina Desjwiandra Handari, supervisor; Gianinna Ardaneswari, supervisor; Helen Burhan, examiner; Siti Aminah, examiner
336 Content Typetext (rdacontent)
264b Nama PenerbitFakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia
710 Entri Tambahan Badan KorporasiUniversitas Indonesia. Fakultas Matematika dan Ilmu Pengetahuan Alam
049 No. Barkod14-25-65857653
504 Catatan Bibliografipages 93-95
852 LokasiPerpustakaan UI
338 Carrier Typeonline resource (rdacarrier)
590 Cat. Sumber Pengadaan KoleksiDeposit;Deposit
903 Stock Opname
534 Catatan Versi Asli
Tahun Buka Akses2025
053 No. Induk14-25-65857653
653 Kata Kuncichest x-ray; conditional positional encoding; convolution stem; tuberculosis; vision transformer
040 Sumber PengataloganLibUI ind rda
245 Judul UtamaAnalisis Perfoma Model Conditional Positional Encoding Vision Transformer dengan Convolution Stem dalam Mengklasifikasi Penyakit Tuberkulosis pada Citra Chest X-Ray = Performance Analysis of Conditional Positional Encoding Vision Transformer Model with Convolution Stem in Classifying Tuberculosis Disease on Chest X-Ray Image
264c Tahun Terbit2024
650 Subyek TopikConvolutions (Mathematics)
850 Lembaga PemilikUniversitas Indonesia
520 Ringkasan/Abstrak/IntisariTuberkulosis merupakan salah satu penyakit yang menjadi penyebab kematian tertinggi di dunia. Penyakit tuberkulosis perlu pendeteksian dan diagnosis yang tepat. Salah satu media yang umum digunakan untuk mendeteksi penyakit tuberkulosis adalah chest x-ray. Penelitian ini menggunakan model Conditional Positional Encoding Vision Transformer dengan Convolution Stem untuk mengklasifikasi penyakit tuberkulosis pada chest x-ray. Conditional Positional Encoding Vision Transformer adalah salah satu varian dari model vision transformer yang menggunakan skema Conditional Positional Encoding. Convolution Stem untuk vision transformer adalah convolution block yang diterapkan pada vision transformer untuk meningkatkan stabilitas performa model. Data yang digunakan dalam penelitian ini diambil dari chest x-ray database yang terdiri dari data citra chest x-ray dengan label normal dan label tuberkulosis. Sebelum proses pelatihan, diterapkan enam metode preprocessing pada data citra chest x-ray untuk menyiapkan data citra sebagai input model, mulai dari Red Green Blue (RGB) to gray, contrast limited adaptive histogram equalization, gaussian blur, resize, gray to RGB, dan normalisasi. Model dilatih untuk meminimalkan loss function menggunakan metode optimasi AdamW dan stochastic gradient descent. Loss function yang digunakan dalam penelitian ini adalah fungsi binary crossentropy loss. Hasil percobaan menunjukkan model Conditional Positional Encoding Vision Transformer dengan Convolution Stem dapat mengklasifikasi penyakit tuberkulosis pada citra chest x-ray dengan baik, dengan rata-rata skor akurasi terbaik sebesar 0,990488, rata-rata skor recall terbaik sebesar 0,95757, dan rata-rata skor F1 sebesar 0,97338. ......Tuberculosis is one of the diseases that cause the highest number of deaths in the world. Tuberculosis disease need proper detection and diagnosis. One of common methods used to detect tuberculosis is chest x-ray. This research uses the Conditional Positional Encoding Vision Transformer with Convolution Stem to classify tuberculosis in chest x-ray. Conditional Positional Encoding Vision Transformer is a variant of vision transformer model that uses conditional positional encoding. Convolution Stem is a convolution block applied to vision transformer model to enhance the model?s performance stability. The data used in this research is taken from a chest x-ray database consisting of chest x-ray images with normal and tuberculosis labels. Before the training process, six preprocessing methods were applied to the chest x-ray images, including Red Green Blue (RGB) to gray, contrast limited adaptive histogram equalization, gaussian blur, resize, gray to RGB and normalization, to prepare the image data as model input. The model is trained to minimize the loss function using AdamW and stochastic gradient descent. The loss function used in this research is binary crossentropy loss function. The experimental results show that Conditonal Positional Encoding Vision Transformer with Convolution Stem can classify tuberculosis in chest x-ray images effectively, with an average best accuracy score of 0,990488, an average best recall score of 0,95757, and an average F1 score of 0,97338.
904b Pemeriksa Lembar KerjaAmiarsih Indah Purwiati-Maret 2024
090 No. Panggil SetempatS-pdf
d-Entri Utama Nama Orang
500 Catatan UmumTidak dapat diakses di UIANA, karena: akan ditulis dalam bahasa Inggris untuk dipersiapkan terbit pada Jurnal Internasional yaitu yang diprediksi akan dipublikasikan pada bulan tahun
d-Entri Tambahan Nama Orang
337 Media Typecomputer (rdamedia)
526 Catatan Informasi Program StudiMatematika
100 Entri Utama Nama OrangMuhammad Habil Amardias, author
264a Kota TerbitDepok
300 Deskripsi Fisikxiii, 95 pages : illustration + appendix
904a Pengisi Lembar KerjaAmiarsih Indah Purwiati-Maret 2024
Akses Naskah Ringkas
856 Akses dan Lokasi Elektronik
502 Catatan Jenis KaryaSkripsi
041 Kode Bahasaind