KLASIFIKASI DIABETIC RETINOPATHY BERBASIS PENGOLAHAN CITRA FUNDUS DAN DEEP LEARNING


Syafiq Hilmi Abdullah(1), Rita Magdalena(2), R Yunendah Nur Fu'adah(3),


(1) Telkom University
(2) Telkom University
(3) Telkom University

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.


Keywords


Convolutional Neural Network (CNN), EfficientNet, Retinopati Diabetik

Full Text:

PDF PDF4

References


Association, A.D., et al. 2014. Diagnosis and Classification of Diabetes Mellitus. Diabetes care. 37(1): S81-S90.

Dewi, I.R., Magdalena, R. & Fu’adah, R.Y.N. 2019. Klasifikasi Retinopati Dibaetik pada Citra Mata Digital menggunakan 3D GLCM dengan Learning Vector Quantization. eProceedings of Engineering. 6(2).

Fu'adah, R.Y.N., Sa'idah, S., Wijayanto, I., Ibrahim, N. and Magdalena, R. 2021. Computer Aided Diagnosis for Early Detection of Glaucoma Using Convolutional Neural Network (CNN). Proceedings of the 1st International Conference on Electronics, Biomedical Engineering, and Health Informatics. 467-475.

Handono, S.F., Anggraeny F.T. & Rahmat, B. 2020. Implementasi Convolutional Neural Network (CNN) untuk Deteksi Retinopati Diabetik. Jurnal Informatika dan Sistem Informasi (JIFoSI). 1(1): 672.

Kurniawan, Y.S. 2015. Deteksi dan Klasifikasi Tingkat Keparahan Retinopati Diabetes dengan menggunakan Metode Klasifikasi K-Nearest Neighbour. eProceedings of Engineering. 2(1).

Park, A., Ziyaden, A., Tukeshev, K., Jaxylykova, A. & Abdullina, D. 2020. Comparative Analysis of Deep Learning Methods of Detection of Diabetic Retinopathy. Cogent Engineering. 7(1).

Rizal, S., Ibrahim, N., Pratiwi, N.K.C., Saidah, S. & Fu'adah, R. Y. N. 2020. Deep Learning untuk Klasifikasi Diabetic Retinopathy menggunakan model EfficientNet. Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika. 8(3): 693-705.

Sarirotul, I. & Agung, N. 2018. Implementasi Deep Learning pada Identifikasi Jenis Tumbuhan berdasarkan Citra Daun menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem & Teknologi Informasi Indonesia. 3(2): 49-56.

Shanti, T. & Sabeenian, R.S. 2019. Modified Alexnet Architecture for Classification of Diabetic. Computers and Electrical Engineering. 76: 56-64.

Tan, M. & Le, Q.V. 2019. Efficientnet: Improving Accuracy and Efficiency through AutoML and Model Scaling. Diunduh di https://ai.googleblog.com/2019/05/efficientnet-improving-accuracy-and.html tanggal 12 Juni 2021.

Tan, M. & Le, Q.V. 2019. Efficientnet: Rethinking Model Scaling for Convolutional Neural Networks. International Conference on Machine Learning.

Taweh, B.I.. 2017. Introduction to Deep Learning using R. Apress, San Fransisco, California, USA.

Vaughan, D.G., Asbury, T., Paul, R.E. & John, P.W. 2014. Oftalmologi Umum. Edisi 17. Penerbit Buku Kedokteran.

Wikipedia. Retina. Diunduh di https://en.wikipedia.org/wiki/Retina tanggal 17 November 2020.

Zainet, A., Magdalena, R. & Raharjo, J. 2020. Klasifikasi Non-Proliferative Diabetic Retinopathy (NPDR) melalui Citra Iris Mata menggunakan Metode Fraktal dengan Jaringan Syaraf Tiruan (JST). Seminar Nasional Teknologi Informasi dan Komunikasi. 3(1): 503-509.




DOI: https://doi.org/10.31289/jesce.v5i2.5659

Article Metrics

Abstract view : 0 times
PDF - 0 times PDF4 - 0 times

Refbacks

  • There are currently no refbacks.


JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING)
Program Studi Teknik Elektro, Fakultas Tenik, Universitas Medan Area
Universitas Medan Area, Jalan Kolam No. 1, Pasar V, Medan Estate, Sumatera Utara http://ojs.uma.ac.id/index.php/jesce dan Email: jesce@uma.ac.id
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License