<![CDATA[Katarak merupakan penyebab utama kebutaan di Indonesia, namun proses diagnosis yang masih manual di rumah sakit menyebabkan deteksi dini menjadi lambat dan tidak efisien. Penelitian ini bertujuan mengembangkan sistem deteksi katarak berbasis website dengan metode Convolutional Neural Network (CNN) di Rumah Sakit Mata Pasuruan. Sistem ini dirancang untuk mengklasifikasikan citra mata menjadi dua kelas, yaitu normal dan katarak, dengan menggunakan model CNN yang dilatih pada dataset berisi 512 citra. Model CNN dibangun dengan arsitektur tiga convolutional layers, max pooling, dan dense layer dengan fungsi aktivasi ReLU dan sigmoid, serta diintegrasikan melalui backend berbasis Flask dan layanan ngrok untuk koneksi dengan model yang berjalan di Google Colab. Evaluasi dilakukan menggunakan data validasi sebesar 20% dari dataset dengan hasil akurasi 97%, precision 1.00, recall 0.94 untuk kelas katarak, dan recall 1.00 untuk kelas normal. Sistem berhasil mendeteksi katarak secara otomatis dengan hasil akurat dan antarmuka ramah pengguna, serta mendukung layanan diagnosis awal di rumah sakit dengan lebih cepat dan efisien.]]>
Copyrights © 2025
