DETEKSI DIABETES RETINOPATI PADA FOTO FUNDUS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

RAKHA ZHARFARIZQI DANADIBRATA

Informasi Umum

Kode

20.04.4003

Klasifikasi

006.37 - Computer Vision

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Vision

Dilihat

131 kali

Informasi Lainnya

Abstraksi

Diabetic Retinopathy (DR) adalah gangguan pada pembuluh darah di retina pada pasien penderita diabetes mellitus (DM). DR disebabkan oleh tingginya kadar gula di dalam darah yang mengalirkan oksigen ke mata. Kadar gula darah yang tinggi ini menyebabkan kerusakan pada pembuluh darah halus yang ada di kornea mata. Jika hal ini terus berlanjut tanpa adanya penanganan medis, maka akan terjadi kebutaan pada penderita DR. Pemeriksaan medis terhadap penderita penyakit DR dilakukan dengan pengamatan secara langsung oleh dokter spesialis mata pada citra retina pasien yang diambil menggunakan kamera fundus. Pendeteksian DR sejak dini dapat mencegah kebutaan pada pasien. Namun pengamatan langsung oleh dokter spesialis mata memiliki kekurangan untuk mendiagnosis DR secara akurat karena ciri DR pada citra fundus memiliki kesamaran. Oleh karena itu, pada penelitian ini dikembangkan perangkat lunak yang dapat mendeteksi dan mendiagnosa tingkat keparahan DR.

Penelitian ini menggunakan metode convolutional neural network (CNN) dengan arsitektur inception resnet V2 network untuk mengklasifikasikan tingkat keparahan DR. Pada Tugas Akhir ini citra fundus retina akan dilakukan pre-processing yang diharapkan dapat meningkatkan akurasi. Tugas Akhir ini menggunakan dataset yang di resize menjadi 256 × 256 dan pre-processing yang digunakan terbagi menjadi 2 yaitu Clahe + Sharpening (ClSh) dan Grayscale + Clahe (GrayCl). Hasil dari citra fundus yang telah dilakukan pre-processing akan menjadi masukan sistem dan keluaran dari sistem ini berupa 4 kelas klasifikasi tingkat keparahan DR.

Pada Tugas Akhir ini DR diklasifikasikan menjadi empat kelas, yaitu No DR, mild, moderate, dan severe proliferative. Jumlah data yang digunakan sebanyak 4000 citra fundus. Hasil terbaik pada Tugas Akhir ini adalah akurasi validasi sebesar 98% dengan sensitivitas 98.69%, spesifisitas 98.93%, precission 98,67%, F1Score 98.17% dan G-mean 98.61% pada konfigurasi optimizer SGD dan menggunakan dataset Clahe Sharpening (ClSh).

Kata Kunci: Diabetic Retinopathy, Convolutional Neural Network, Inception