Perpustakaan Digital ITB

Penelitian ini berfokus pada penerapan arsitektur jaringan saraf DenseNet121 untuk mengatasi dua masalah klasifikasi yang berbeda dan menggunakan SHAP, GradCAM, dan SmoothGrad sebagai model yang dapat dijelaskan. Tujuan utama dari pekerjaan ini adalah membuat software untuk mengklasifikasikan buah kelapa sawit berdasarkan kematangan, dengan tujuan untuk meningkatkan produktivitas pemanenan kelapa sawit menggunakan teknologi drone otomatis. Kasus tambahan ditambahkan untuk menguji hasil dari kasus sebelumnya. Kasus kedua adalah mengklasifikasikan tingkat keparahan ulcerative colitis untuk meningkatkan kemampuan diagnostik profesional medis. Untuk masalah klasifikasi kelapa sawit, model dibangun menggunakan data dari Suharjito, G. N. dkk., mencapai skor akurasi 0,9958 dalam mengklasifikasikan buah kelapa sawit menjadi tiga kategori: mentah, panen baik, dan panen buruk. Tiga model yang dapat dijelaskan berhasil memvalidasi bahwa buah kelapa sawit merupakan fitur penting untuk keputusan klasifikasi model. Dalam kasus klasifikasi ulcerative colitis., dataset HyperKvasir digunakan, terdiri dari 851 gambar ulcerative colitis yang dikategorikan berdasarkan Skor Mayo. Model mencapai skor F1 0,9156 dalam membedakan ulcerative colitis ringan dan berat. GradCAM dan SmoothGrad, berhasil mengidentifikasi darah, benjolan, atau lesi putih yang mengindikasikan ulcerative colitis.