Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network

Naufal, Mohammad Farid and Siswantoro, Joko and Wicaksono, Muhammad Ghifari Kusuma (2023) Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network. Techno.com, 22 (2). pp. 508-526. ISSN 1412-2693, e-ISSN : 2356-2579

PDF Mohammad Farid Naufal_Klasifikasi Tulisan Tangan.pdf Download (2MB)

Abstract

Obat merupakan bahan kimia yang dapat merepresentasikan tubuh secara fisiologi dan psikologi ketika dikonsumsi. Obat sebagai alat bantu untuk menyembuhkan dari berbagai macam penyakit. Dengan berkembangnya zaman dan bertambahnya wawasan, menyebabkan bertambah juga jenis obat-obatan yang memiliki banyak manfaat dan kegunaanya. Penelitian ini bertujuan untuk mendeteksi nama obat dalam resep dokter menggunakan Convolutional Neural Network (CNN) dengan transfer learning. Metode transfer learning merupakan metode yang popular dalam mengklasifikasi gambar digital yang berguna untuk mempercepat proses klasifikasi. Penelitian ini membandingkan lima artistektur transfer learning yaitu VGG16, Resnet, Xception, LeNet, dan GoogleNet. Penelitian ini juga menggunakan grayscaling, resizing, dan median filter pada tahap preprocessing. Preprocessing digunakan untuk meningkatkan kualitas citra pada citra resep obat dan menghilangkan noise pada citra. ResNet-50 merupakan arsitektur terbaik untuk mengklasifikasi nama obat. Pada percobaan menggunakan ResNet-50, mendapatkan F1 score tertinggi yaitu sebesar 97,56% dan waktu training rata-rata 0,25 detik setiap epoch. Dapat disimpulkan Resnet merupakan arsitektur terbaik untuk mengklasifikasikan nama obat dalam citra resep dokter serta dapat mendeteksi nama obat secara akurat.

Item Type:	Article
Uncontrolled Keywords:	Resep, Obat, CNN, Preprocessing, Transfer Learning
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	MOHAMMAD FARID NAUFAL
Date Deposited:	05 Jun 2023 01:47
Last Modified:	14 Oct 2024 02:52
URI:	http://repository.ubaya.ac.id/id/eprint/44227

Actions (login required)

View Item