<![CDATA[Penyakit ginjal kronis (Chronic Kidney Disease/CKD) memerlukan deteksi dini untuk mencegah penurunan fungsi ginjal. Citra fundus retina berpotensi dimanfaatkan sebagai media skrining non-invasif karena mencerminkan perubahan mikrovaskular akibat diabetes dan CKD. Penelitian ini menganalisis pengaruh preprocessing citra (Wavelet Transform dan Gaussian Filter) serta strategi pelatihan (augmentasi data, regularisasi, dan penyetelan hyperparameter) terhadap kinerja model YOLO-CLS dalam klasifikasi stadium CKD menggunakan 273 citra fundus yang terdiri atas kelas DM_Only, DM+CKD_III, dan DM+CKD_V. Eksperimen dilakukan dengan grouped ablation study menggunakan validation set untuk pemilihan pipeline dan test set untuk evaluasi akhir. Hasil menunjukkan bahwa preprocessing dan augmentasi tidak meningkatkan performa model, sedangkan regularisasi (dropout 0,3 dan weight decay 0,001) serta batch size 16 memberikan hasil terbaik. Pipeline akhir menghasilkan Precision Macro 70,97%, Recall Macro 67,09%, F1-score Macro 66,95%, dan AUPRC Macro 76,01%. Temuan ini menunjukkan bahwa optimasi strategi pelatihan lebih berpengaruh terhadap generalisasi model dibandingkan modifikasi citra masukan.]]>
Copyrights © 2026
