DETEKSI PENYAKIT DIABETES RETINOPATHY MENGGUNAKAN CITRA DIGITAL DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Diabetic retinopati (DR) merupakan komplikasi serius dari diabetes yang dapat menyebabkan kebutaan jika tidak dideteksi dan diobati secara dini. Metode skrining konvensional melibatkan pemeriksaan fundus oleh tenaga medis terlatih membutuhkan waktu dan biaya yang besar. Penelitian ini mengusulkan pendekatan deteksi otomatis retinopati diabetik menggunakan citra digital fundus dan metode Convolutional Neural Network (CNN). CNN adalah salah satu arsitektur deep learning, dimanfaatkan untuk secara otomatis mempelajari dan mengekstraksi fitur-fitur dari citra fundus retina. Dataset yang digunakan dalam peroses deteksi dan klasifikasi mempunyai 5 kelas yauitu: mild, moderate, no_DR, proliferative, dan severe. Proses pelatihan citra menggunakan model VGG- 19 dengan pelatihan 100 epoch mendapat hasil akurasi yang cukup baik yaitu 72% dengan jumlah data 3000 citra fundus yang dibagi menjadi 70:30, 70% untuk data train dan 30% untuk data validasi. Hasil diagnosa DR sebanyak x2160 citra dan NDR sebanyak 840 citra. Pada pelatihan menggunakan rasio data 80:20 yaitu 80% data train dan  20% data validasi, rasio ini mendapat hasil akurasi 69% dengan hasil diagnosa DR sebanyak 2070 citra dan NDR sebanyak 930 citra.