<![CDATA[Retinopati diabetik merupakan salah satu komplikasi utama diabetes yang dapat menyebabkan kebutaan permanen jika tidak dideteksi secara dini. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis retinopati diabetik menggunakan algoritma Convolutional Neural Network (CNN) berbasis arsitektur EfficientNet dan visual Grad-CAM pada citra fundus retina. Dataset yang digunakan adalah APTOS 2019 Blindness Detection dengan lima klasifikasi tingkat keparahan retinopati. Proses meliputi preprocessing data, augmentasi citra, pelatihan model dengan transfer learning pada EfficientNetB3, evaluasi model melalui confusion matrix dan classification report, serta deployment menggunakan aplikasi Streamlit. Hasil evaluasi menunjukkan bahwa model mencapai akurasi validasi sebesar 75,70%, dengan performa terbaik pada kelas normal (kelas 0) dan akurasi yang masih dapat ditingkatkan pada kelas parah (kelas 3 dan 4). Integrasi Grad-CAM memberikan visualisasi yang membantu dalam interpretasi hasil prediksi. Sistem ini diharapkan dapat menjadi alat bantu diagnosis awal retinopati diabetik secara cepat dan akurat dalam praktik medis.]]>
Copyrights © 2025
