KLASIFIKASI DIABETIC RETINOPATHY BERBASIS PENGOLAHAN CITRA FUNDUS DAN DEEP LEARNING

Abstract

Retinopati Diabetik merupakan salah satu penyakit pada retina mata yang disebabkan oleh adanya komplikasi pada penyakit diabetes di mana terdapat kerusakan pembuluh darah pada retina sehingga mengalami penumpukan cairan (eksudat) serta pendarahan pada retina. Pemeriksaan medis untuk mendeteksi penyakit retinopati diabetik membutuhkan waktu yang relatif lama karena dilakukan secara manual oleh dokter dengan mengamati citra fundus dari retina pasien, namun citra fundus retina tidak dapat memberikan informasi secara jelas. Oleh karena itu, dilakukan perancangan sistem Convolutional Neural Network (CNN) menggunakan model EfficientNet untuk melakukan klasifikasi dengan waktu yang efektif dan efisien. Dataset yang digunakan adalah APTOS 2019 Blindness Detection berisi 3662 citra RGB yang terbagi dalam 5 kelas, yaitu No DR, mild NPDR, moderate NPDR, severe NPDR, dan proliferate DR. Hasil akhir menunjukkan model terbaik menggunakan optimizer AdaMax, learning rate 0.001, dan batch size 32 dengan akurasi sebesar 82.096%, nilai presisi sebesar 67.6%, nilai recall sebesar 63.4%, dan f-1 score sebesar 64.6%. Berdasarkan hasil penelitian, kinerja sistem menunjukkan bahwa model yang dibuat dapat dijadikan sistem deteksi dini serta mengurangi waktu pemeriksaan medis pada pasien penyakit Retinopati Diabetik.