<![CDATA[Diabetic Retinopathy (DR) menjadi konsekuensi utama bagi penderita diabetes, namun dengan deteksi dini dan pengobatan yang tepat, risiko kehilangan penglihatan dapat dikurangi. Pemeriksaan diabetic retinopathy sendiri tidak dapat dilakukan dengan kasat mata karena berada di pembuluh darah bagian retina. Diabetic retinopathy dapat diidentifikasi melalui foto fundus oleh para ahli. Namun hal tersebut membutuhkan waktu yang cukup lama dan kurang akurat. Oleh sebab itu perlu adanya klasifikasi foto fundus secara sistematis agar dapat mendukung proses identifikasi. Salah satunya yakni melalui klasifikasi citra. Pada penelitian ini mengusulkan Convolutional Neural Network sebagai metode dalam mengklasifikasi citra Diabetic Retinopathy dengan menggunakan arsitektur VGG-16 dengan optimizer Adam. Di mana terdapat dua skenario uji coba. Uji coba pertama yakni proses klasifikasi tanpa menambahkan CLAHE dan augmentasi yang menghasilkan nilai akurasi training 75%. Sedangkan untuk hasil evaluasi menghasilkan akurasi sebesar 73%, presisi 67%, recall 73%, dan f1-score 69%. Pada skenario kedua yakni dengan menambahkan proses CLAHE dan augmentasi, yang menghasilkan akurasi training 78%. Sedangkan untuk hasil evaluasinya menghasilkan akurasi sebesar 76%, presisi 66%, recall 76%, dan f1-score 69%.]]>
Copyrights © 2025
