<![CDATA[Retinopati diabetik adalah gejala yang disebabkan oleh komplikasi diabetes yang menyerang mata penderitanya. Bercak-bercak pada retina penderita menjadi ciri gejalanya. Semakin banyak bercak, maka semakin parah retinopati diabetik yang diderita. Upaya peneliti untuk mendeteksi retinopati diabetik dengan citra retina sudah mulai dikembangkan dengan teknologi kecerdasan buatan, salah satunya berbasis deep learning. Kesulitan selanjutnya adalah kualitas citra retina yang kurang baik, sehingga mengakibatkan hasil deteksi yang kurang baik. Oleh karena itu, penelitian ini mengusulkan analisis perbandingan teknik untuk meningkatkan akurasi pengolahan citra deteksi retinopati diabetik berbasis deep learning. Data yang digunakan adalah data APTOS2019, yang terdiri dari 5 kelas berdasarkan tingkat keparahan penyakit. Ada tiga teknik yang digunakan: CLAHE, gamma correction, dan Retinex. Arsitektur deep learning yang digunakan adalah DenseNet121 dan EfficientNetB0 karena telah banyak digunakan pada data citra medis. Hasilnya, kombinasi gamma correction dan DenseNet121 menghasilkan akurasi tertinggi yaitu 81,4%. Sedangkan akurasi terendah diperoleh dari kombinasi menggunakan Retinex. Arsitektur terbaik secara keseluruhan adalah EfficientNetB0, dengan rata-rata akurasi sebesar 81,9%. Selanjutnya, penelitian ini dapat digunakan untuk memperbaiki citra retinopati diabetik sehingga deteksi dapat dilakukan sedini mungkin.]]>
Copyrights © 2025
