<![CDATA[Deteksi dini diabetic retinopathy sangat penting untuk mencegah komplikasi pada penglihatan, termasuk kebutaan permanen. Namun, proses diagnosis secara manual menggunakan citra fundus memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis densenet yang di fine-tune untuk mendeteksi diabetic retinopathy secara otomatis dari citra fundus mata. Dengan dataset sebesar 2.840 gambar yang terbagi ke dalam dua kelas yaitu DR dan NO_DR. Model dilatih menggunakan proses preprocessing dan augmentasi data, dengan hasil evaluasi yang menunjukkan bahwa model mencapai akurasi sebesar 96% pada dua kelas yang seimbang, dan AUC 0.99. Hal itu mencerminkan kemampuan klasifikasi yang sangat baik serta sensitivitas ynag tinggi, nilai recall yang tinggi mengindikasikan bahwa model mampu mengenali sebagian besar pasien yang mengalami DR. Penelitian ini menunjukkan bahwa densenet dengan fine-tune dapat menghasilkan model deteksi yang akurat dan berpotensi untuk membantu diagnosis dini diabetic retinopathy. ]]>
Copyrights © 2025
