SISTEM KLASIFIKASI DETEKSI PENYAKIT MATA MELALUI CITRA RETINA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Gandiaz, Andra (2025) SISTEM KLASIFIKASI DETEKSI PENYAKIT MATA MELALUI CITRA RETINA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (140kB)
	Text Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (410kB)
	Text Lembar pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (400kB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (187kB)
	Text BAB1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (262kB)
	Text Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (176kB)
	Text plagiarism.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (637kB)

Abstract

Penyakit mata seperti glaukoma dan katarak merupakan penyebab utama kebutaan di dunia apabila tidak terdeteksi sejak dini. Pendekatan kecerdasan buatan bisa di gunakan untuk melakukan deteksi dini penyakit tersebut. Pada penelitian ini dikembangkan sistem klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mendeteksi penyakit mata melalui citra retina. Dataset berasal dari Kaggle dengan total 3.119 citra, terdiri atas 1.074 citra normal, 1.038 citra katarak, dan 1.007 citra glaukoma. Data diproses melalui tahapan preprocessing (resize, normalisasi, dan grayscale) sebelum dilatih menggunakan arsitektur EfficientNetB3 yang dioptimalkan untuk akurasi dan efisiensi. Sistem diimplementasikan sebagai aplikasi berbasis web menggunakan Python dan Flask. Pengujian dilakukan pada tiga skenario yaitu dengan rasio data pelatihan dan pengujian 70 dan 30, 80 dan 20, serta 90 dan 10. Akurasi terbaik sebesar 89,34% pada konfigurasi 70:30 dengan learning rate 0.0001. Hasil ini menunjukkan bahwa sistem dapat digunakan sebagai alat untuk membantu deteksi dini penyakit mata secara cepat dan akurat, yang dapat dimanfaatkan oleh tenaga medis maupun masyarakat umum.

Actions (login required)

View Item