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