ANALISIS XAI PADA HASIL KLASIFIKASI KATARAK SINILIS MENGGUNAKAN HIBRID CNN DAN MOBILENETV2

Awan Gumilang Hardandrito, NIM.: 23206052002 (2025) ANALISIS XAI PADA HASIL KLASIFIKASI KATARAK SINILIS MENGGUNAKAN HIBRID CNN DAN MOBILENETV2. Masters thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (ANALISIS XAI PADA HASIL KLASIFIKASI KATARAK SINILIS MENGGUNAKAN HIBRID CNN DAN MOBILENETV2) 23206052002_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (3MB) | Preview
	Text (ANALISIS XAI PADA HASIL KLASIFIKASI KATARAK SINILIS MENGGUNAKAN HIBRID CNN DAN MOBILENETV2) 23206052002_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Registered users only Download (8MB) | Request a copy

Abstract

Katarak senilis merupakan salah satu penyebab utama gangguan penglihatan pada lansia, sehingga dibutuhkan proses diagnosis yang cepat, akurat, dan dapat dijelaskan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat keparahan katarak senilis pada citra fundus mata dengan menggabungkan arsitektur CNN Custom, MobileNetV2, dan metode Explainable Artificial Intelligence (XAI) berupa Grad-CAM. CNN Custom dirancang untuk menyesuaikan arsitektur jaringan dengan karakteristik data, sementara MobileNetV2 dimanfaatkan melalui transfer learning sebagai feature extractor ringan dan efisien. Penggabungan dilakukan menggunakan teknik feature fusion guna memperoleh representasi fitur yang lebih informatif. Selanjutnya, metode Grad-CAM diterapkan untuk memvisualisasikan area penting pada citra yang menjadi dasar keputusan model, sehingga meningkatkan transparansi hasil klasifikasi. Penelitian ini bersifat eksperimental, dengan data berasal dari dataset Cataract Senilis tiga kelas (normal, immature, dan mature), yang telah diproses melalui augmentasi dan pembagian stratified. Hasil evaluasi menunjukkan bahwa model ensembel ini mencapai akurasi 95,6%, F1-score makro 95,4%, dan AUC-ROC mendekati 1. Selain menghasilkan performa yang tinggi, visualisasi Grad-CAM juga memberikan heatmap yang relevan secara klinis terhadap area kekeruhan lensa. Penelitian ini menunjukkan bahwa penggabungan CNN Custom, MobileNetV2, dan XAI dapat memberikan hasil klasifikasi yang akurat sekaligus transparan, serta memiliki potensi untuk diterapkan dalam sistem diagnosis otomatis dan layanan telemedisin.

Share this knowledge with your friends :

Actions (login required)

View Item