<![CDATA[Penelitian ini membahas mengenai deteksi penyakit glaukoma pada citra fundus retina secara otomatis menggunakan metode Convolutional Neural Network dengan pendekatan transfer learning dan fine-tuning pada arsitektur EfficientNetB0, dan menggunakan dataset dari Standardized Multi-Channel Dataset for Glaucoma (SMDG-19) dengan total 12.316 citra fundus retina beresolusi 512×512 piksel. Proses penelitian ini meliputi tahap preprocessing berupa resizing, rescaling serta data augmentation untuk meningkatkan variasi dan mengurangi overfitting. Model ini dilatih dengan Adam optimizer. Hasil pelatihan menunjukkan akurasi validasi mencapai 89,02% dan evaluasi pada data uji menghasilkan akurasi 87,29%, presisi 87,04%, recall 78,04% dan F1-Score sebesar 82,54%. Hasil ini menunjukkan bahwa metode CNN dengan arsitektur EfficientNetB0 mampu mendeteksi glaukoma secara efektif dan berpotensi digunakan sebagai sistem pendukung diagnosis dini yang akurat di bidang oftalmologi. Kata Kunci: Glaukoma, Citra Fundus Retina, Convolutional Neural Network, EfficientNetB0, Transfer Learning]]>
Copyrights © 2026
