<![CDATA[Diabetic Retinopathy (DR) atau Retinopati Diabetik merupakan komplikasi serius dari diabetes melitus yang menyebabkan kerusakan retina dan berisiko pada kehilangan penglihatan permanen jika tidak dideteksi secara dini. Proses diagnosa manual saat ini memakan waktu, biaya yang besar, serta rentan terhadap kesalahan manusia (human error). Seiring pesatnya perkembangan kecerdasan buatan, Deep Learning menjadi metode unggulan dalam analisis citra medis, khususnya melalui arsitektur Convolutional Neural Networks (CNN). Penelitian ini menerapkan teknik Transfer Learning, yaitu sebuah metode pembelajaran mesin di mana model yang telah dilatih sebelumnya (pre-trained model) pada dataset skala besar digunakan kembali sebagai titik awal untuk tugas klasifikasi baru. Teknik ini memungkinkan model mencapai konvergensi yang lebih cepat dan akurasi yang lebih tinggi meskipun dengan keterbatasan data medis. Dengan menggunakan dataset sebanyak 5.590 citra yang mencakup lima tahapan Diabetic Retinopathy (healthy, mild, moderate, severe, dan proliferative), penelitian ini mengusulkan model MobileNetV2. Melalui pengujian validasi silang, model ini berhasil mencapai akurasi rata-rata 93,20%, presisi 91,61%, recall 90,07%, dan f1-score 85,02%. Selain itu, penyediaan citra termal dalam penelitian ini diharapkan dapat membantu tenaga medis dalam mengevaluasi dampak kerusakan retina secara lebih komprehensif pada setiap tahapan penyakit.]]>
Copyrights © 2026
