KLASIFIKASI PATOLOGI MAKULA RETINA MELALUI CITRA OCT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENET

PUTRI NADA ZAKIYA

Informasi Umum

Kode

21.04.2720

Klasifikasi

620 - Engineering and allied operations

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Telecommunication - Engineering

Dilihat

304 kali

Informasi Lainnya

Abstraksi

Makula adalah area utama untuk penginderaan dan terletak di tengah retina. Kerusakan makula pada retina dapat menyebabkan kehilangan penglihatan permanen di dunia. Pada saat ini deteksi penyakit pada patologi makula retina masih dilakukan secara manual oleh para ahli, namun proses secara manual memakan waktu lama, yaitu melalui pemeriksaan dan evaluasi foto patologis makula pada retina manusia. Oleh karena itu, dalam tugas akhir ini dibuat sistem yang dapat mendeteksi dan mengklasifikasi penyakit patologi makula retina dengan otomatis. Pada Tugas Akhir ini merancang sistem otomatis untuk mengklasifikasi kondisi patologi makula retina berbasis Convolutional Neural Network (CNN) menggunakan arsitektur MobileNet. Perancangan pada sistem dibagi menjadi beberapa tahapan dimulai dari menginput data citra OCT, tahap selanjutnya preprocessing, pada penelitian ini menggunakan tiga preprocessing, yaitu CLAHE, Gaussian filter, dan Gabor filter, lalu dari hasil preprocessing dilakukan augmentasi data. Setelah melalui tahapan augmentasi data dilakukan tahap pelatihan dengan dua jenis optimizer yang berbeda, yaitu Stochastic Gradient Descent (SGD), dan Adaptive moment (Adam). Tahap terakhir mengkalisifikasikan data citra menjadi empat kelas, yaitu Choroidal Neovascularization (CNV), Diabetic Macular Edema (DME), Drusen, dan normal. Hasil akhir penelitian ini menunjukkan hasil terbaik untuk klasifikasi patologi makula pada retina berdasarkan citra retinal OCT menghasilkan nilai akurasi uji sebesar 92.04%, dan loss uji 0.299. Selain itu, untuk hasil dari pengujian performasi sistem untuk nilai rata rata yang dihasilkan recall, presisi dan F1- score menghasilkan persentase sebesar 92.04% untuk recall, 91.75% untuk presisi dan 92.25% untuk F1-score. Hasil ini didapatkan dengan menggunakan optimizer terbaik, yaitu optimizer Adam dengan preprocessing terbaik, yaitu Gaussian filter. Kata Kunci : Makula, patologi retina , CNN, Mobilenet, citra retina OCT, CNV, Drusen, DME, SGD