Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal FIMERKOM: Journal of Information Systems and Technology
Senjaya Machfudi Zulkif
Universitas Nahdlatul Ulama Pasuruan, Pasuruan, Indonesia
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science

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

Found 1 Documents
Search

 1 
Optimasi Klasifikasi Retinopati Diabetik Berbasis Transfer Learning dengan Citra Digital Fachri Ayudi Fitrony; Senjaya Machfudi Zulkif; Muhamad Arief Muhaimin
Journal of Information Systems and Technology Vol. 3 No. 1 (2026): Juni 2026 (IN PRESS)
Publisher : PT Katersi Minar Permata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66785/fimerkom.v3i1.179

Abstract

Diabetic Retinopathy (DR) atau Retinopati Diabetik merupakan komplikasi serius dari diabetes melitus yang menyebabkan kerusakan retina dan berisiko pada kehilangan penglihatan permanen jika tidak dideteksi secara dini. Proses diagnosa manual saat ini memakan waktu, biaya yang besar, serta rentan terhadap kesalahan manusia (human error). Seiring pesatnya perkembangan kecerdasan buatan, Deep Learning menjadi metode unggulan dalam analisis citra medis, khususnya melalui arsitektur Convolutional Neural Networks (CNN). Penelitian ini menerapkan teknik Transfer Learning, yaitu sebuah metode pembelajaran mesin di mana model yang telah dilatih sebelumnya (pre-trained model) pada dataset skala besar digunakan kembali sebagai titik awal untuk tugas klasifikasi baru. Teknik ini memungkinkan model mencapai konvergensi yang lebih cepat dan akurasi yang lebih tinggi meskipun dengan keterbatasan data medis. Dengan menggunakan dataset sebanyak 5.590 citra yang mencakup lima tahapan Diabetic Retinopathy (healthy, mild, moderate, severe, dan proliferative), penelitian ini mengusulkan model MobileNetV2. Melalui pengujian validasi silang, model ini berhasil mencapai akurasi rata-rata 93,20%, presisi 91,61%, recall 90,07%, dan f1-score 85,02%. Selain itu, penyediaan citra termal dalam penelitian ini diharapkan dapat membantu tenaga medis dalam mengevaluasi dampak kerusakan retina secara lebih komprehensif pada setiap tahapan penyakit.
Co-Authors Fachri Ayudi Fitrony Muhamad Arief Muhaimin