Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Tugas akhir ini membahas pengembangan lanjutan framework AUCMEDI untuk
klasifikasi masalah medis dari citra medis. Permasalahan utama yang dihadapi
adalah keterbatasan dalam variasi metode praproses citra, metode augmentasi data,
dan metrik evaluasi yang tersedia pada framework AUCMEDI. Untuk mengatasi
hal ini, pengembangan dilakukan dengan menambahkan metode praproses citra
seperti contrast enhancement menggunakan Contrast Limited Adaptive Histogram
Equalization (CLAHE) dan pengurangan noise menggunakan filter Box, Median,
dan Gaussian. Selain itu, augmentasi data menggunakan Generative Adversarial
Networks (GAN) ditambahkan untuk memperkaya variasi data pelatihan. Metrik
evaluasi baru seperti Positive Likelihood Ratio (LR+) dan Brier Score juga
diimplementasikan untuk memberikan evaluasi yang lebih komprehensif terhadap
performa model. Metodologi yang digunakan dalam pengembangan ini melibatkan
rekayasa domain untuk mengidentifikasi kebutuhan spesifik dalam domain
klasifikasi citra medis dan pendekatan hot spot driven framework development
untuk meningkatkan fleksibilitas framework. Hasil pengujian menunjukkan bahwa
pengembangan lanjutan ini berhasil meningkatkan fleksibilitas dan fungsionalitas
AUCMEDI dalam membangun pipeline klasifikasi citra medis dengan berbagai
karakteristik dataset.