Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Elektro (JTE)
Vivin Kusuma Wijayanti
Universitas Negeri Surabaya
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI PENYAKIT MATA MANUSIA PADA CITRA FUNDUS RETINA MENGGUNAKAN SIMPLE CNN ARCHITECTURE Vivin Kusuma Wijayanti; Hapsari Peni Agustin Tjahyaningtijas
JURNAL TEKNIK ELEKTRO Vol. 15 No. 2 (2026): MEI 2026
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v15n2.p160-169

Abstract

Berdasarkan data World Health Organization (WHO), terdapat sekitar 18 juta orang di dunia yang mengalami kebutaan, sehingga deteksi dini gangguan mata menjadi langkah penting untuk membantu penanganan yang lebih cepat dan tepat. Namun, proses diagnosis penyakit mata umumnya masih dilakukan melalui rangkaian pemeriksaan manual, yang berisiko memunculkan human error dan membutuhkan waktu relatif lebih lama. Penelitian ini mengusulkan pendekatan Simple Convolutional Neural Network (Simple CNN) dengan dropout variatif pada setiap lapisan (0,2–0,5) untuk menekan overfitting dan meningkatkan kinerja klasifikasi citra fundus retina. Model dilatih menggunakan hyperparameter Adam optimizer, ReLU activation function, batch size 32, dan epoch 100, lalu dibandingkan dengan model CNN lain yang diuji pada dataset fundus retina dari Kaggle berisi 4.000 citra (.jpg) dengan empat kelas (normal, katarak, glaukoma, dan retinopati diabetik). Hasil evaluasi menunjukkan bahwa arsitektur Simple CNN dengan dropout variatif memberikan performa terbaik dibandingkan model pembanding, dengan akurasi 87,96%, precision 88,03%, recall 87,96%, dan F1-score 87,99%. Temuan ini mengindikasikan bahwa rancangan Simple CNN yang sederhana namun teratur melalui strategi dropout bertingkat berpotensi menjadi pendekatan yang efektif untuk membantu proses klasifikasi penyakit mata berbasis citra fundus retina. Kata Kunci: klasifikasi, penyakit mata, simple CNN, akurasi.
Co-Authors Hapsari Peni Agustin Tjahyaningtijas