Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Deteksi Katarak Menggunakan Deep Learning Hilmi, Arga Fajar; Azakiy, Muhammad Nabil Rafa; Tsaniya, Niswah Banun
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Katarak merupakan penyebab utama kebutaan di dunia, mencakup 33% gangguan penglihatan dan 51% kebutaan. Di Indonesia, distribusi dokter mata yang terkonsentrasi 70% di kota besar menyebabkan keterbatasan akses layanan mata di daerah terpencil. Penelitian ini mengembangkan sistem deteksi katarak otomatis berbasis deep learning menggunakan aplikasi Android yang terintegrasi cloud computing. Sistem ini menggunakan arsitektur CNN 5-layer dengan 5-Fold Cross Validation untuk mengklasifikasikan citra fundus mata ke dalam tiga kategori: Normal, Immature, dan Mature. Model diimplementasikan dengan Flask API, Express.js, dan PostgreSQL, serta aplikasi dikembangkan menggunakan Android Studio. Fitur utama aplikasi mencakup upload gambar, klasifikasi otomatis, dan penyimpanan riwayat hasil. Hasil pengujian menunjukkan akurasi model sebesar 99,83% dengan waktu pemrosesan rata-rata 1,51–2,86 detik. Sistem ini kompatibel pada Android versi 8–15 dan mampu menjadi solusi praktis dan akurat untuk deteksi katarak di daerah minim tenaga medis. Kata kunci: Deep Learning, Deteksi Katarak, CNN, Mobile Application, Cloud Computing.