<![CDATA[Katarak senilis merupakan penyebab utama kebutaan di dunia yang berkembang seiring bertambahnya usia, di mana deteksi dini menjadi faktor krusial untuk mencegah kehilangan penglihatan permanen. Namun, keterbatasan akses ke tenaga medis dan tingginya biaya peralatan diagnostik seringkali menjadi kendala di daerah terpencil. Penelitian ini mengembangkan sistem deteksi stadium katarak portabel menggunakan ekstraksi fitur histogram warna pada ruang warna HSV dan algoritma K-Nearest Neighbor (KNN) yang diimplementasikan pada Raspberry Pi 4. Sistem ini mengklasifikasikan citra mata menjadi tiga stadium: Normal, Imatur, dan Matur. Hasil penelitian menunjukkan bahwa pengujian sistem secara langsung pada jarak optimal 8 cm menghasilkan akurasi sebesar 91,67%, sementara akurasi menurun menjadi 75% pada jarak 10 cm dan 58,33% pada jarak 12 cm akibat pengaruh gangguan latar belakang (noise). Waktu komputasi rata-rata sistem sangat responsif, yaitu sebesar 0,0123 detik per citra, yang memungkinkan pengoperasian secara langsung dan efektif. Pengujian juga mengidentifikasi bahwa penggunaan kacamata menurunkan kinerja sistem karena adanya pantulan cahaya (glare) yang dapat mengganggu ketika klasifikasi. Dengan portabilitas dan kemampuan operasi secara luring (offline), sistem ini diharapkan dapat menjadi solusi skrining katarak yang praktis dan terjangkau di wilayah dengan keterbatasan fasilitas kesehatan.]]>
Copyrights © 2026
