<![CDATA[Katarak merupakan penyebab utama kebutaan yang dapat dicegah, namun akses diagnosis di wilayah terpencil masih menjadi tantangan signifikan. Penelitian ini bertujuan mengembangkan sistem deteksi katarak portabel berbasis Raspberry Pi dengan algoritma Xception untuk klasifikasi citra mata. Sistem ini memanfaatkan Raspberry Pi 3 Model B yang terintegrasi dengan webcam untuk akuisisi citra, serta mengimplementasikan arsitektur Xception yang telah dimodifikasi untuk klasifikasi biner (katarak dan non-katarak). Model dikembangkan menggunakan dataset sebanyak 10.000 citra mata dengan rasio data training dan validation 80:20, serta memanfaatkan teknik transfer learning dan fine-tuning dengan bobot awal dari ImageNet. Hasil pengujian menunjukkan epoch terbaik pada epoch ke-18 dari 20 epoch, dengan validasi akurasi model sebesar 0.985, dengan precision dan recall tinggi pada kedua kelas. Implementasi pada perangkat Raspberry Pi menunjukkan performa yang efisien, dengan waktu inferensi 3-8 detik per citra, penggunaan CPU 18-54,4%, serta memori stabil antara 57-60%. Pengujian lanjutan pada data baru juga membuktikan sistem mampu mendeteksi katarak dengan tingkat kepercayaan yang bervariasi. Sistem ini berpotensi menjadi solusi deteksi awal katarak yang efisien dan portabel, khususnya untuk fasilitas kesehatan dengan sumber daya terbatas.]]>
Copyrights © 2025
