Tentang SmartLib Bantuan Pengguna

Skripsi S1

Record Data Skripsi S1

MhswID :

220401040

Judul :

Meningkatkan variasi konten yang dirilis dan memberdayakan penerima manfaat dalam pembuatan konten

Penulis :

DIVA BULAN SATRIA

Abstrak :

Kanker payudara adalah penyebab utama kematian akibat kanker pada wanita sehingga deteksi dini melalui citra histopatologi diperlukan. Penelitian ini mengusulkan model klasifikasi kanker payudara ke delapan subtipe menggunakan arsitektur hybrid ResViT (ResNet50 dan Vision Transformer) sebagai teacher, dikompresi melalui Neural Network Pruning (L1 Unstructured, 20%) pada 108 layer, lalu ditransfer ke model student MobileNetV3-Small melalui Knowledge Distillation. Model student mencapai akurasi 94,49%, precision 90,73%, recall 91,93%, dan F1-score 91,16%, dengan parameter 96,4 kali lebih sedikit dan inferensi lebih cepat, membuktikan kombinasi kedua teknik efektif menghasilkan model ringan untuk klasifikasi kanker payudara pada sumber daya terbatas.

Abstrak Inggris :

Breast cancer is a leading cause of cancer-related deaths among women, making early detection through histopathological imaging essential. This study proposes a model for classifying breast cancer into eight subtypes using a hybrid ResViT architecture (ResNet50 and Vision Transformer) as the teacher, compressed via Neural Network Pruning (L1 Unstructured, 20%) across 108 layers, then transferred to a MobileNetV3-Small student model through Knowledge Distillation. The student achieved 94.49% accuracy, 90.73% precision, 91.93% recall, and a 91.16% F1-score, with 96.4 times fewer parameters, proving both techniques produce a lightweight model for breast cancer classification under limited resources.

Tahun :

2026

Cover :

220401040-cover-20261102135642355.pdf

Bab 1 :

220401040-bab1-20261102135642713.pdf

Bab 2 :

220401040-bab2-20261102135642762.pdf

Bab 3 :

220401040-bab3-20261102135642817.pdf

Bab 4 :

220401040-bab4-20261102135642875.pdf