OPTIMASI DETEKSI DINI RETINOPATI DIABETIK MENGGUNAKAN PREPROCESSING DAN AUGMENTASI CITRA FUNDUS

WIDAJAT, ALVIN PRATIKTA (2024) OPTIMASI DETEKSI DINI RETINOPATI DIABETIK MENGGUNAKAN PREPROCESSING DAN AUGMENTASI CITRA FUNDUS. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.

Text 01-311910003_Alvin_Pratikta_Hidajat.pdf Download (6MB)

Abstract

Retinopati Diabetik (RD) merupakan komplikasi umum pada diabetes
melitus yang seringkali menyebabkan kebutaan pada usia produktif. Deteksi dini
RD sangat penting, namun metode manual memakan waktu dan diagnosis para ahli
dapat berbeda berdasarkan asumsi pribadi. Oleh karena itu, penelitian ini
mengusulkan metode deep learning guna menghindari kesalahan diagnosis.
Penelitian ini melibatkan empat arsitektur (Inception-v4, ResNet-50, VGG-19,
YOLO v5Nano) dengan teknik preprocessing (cropping, histogram equalization)
dan augmentasi flipping. Dataset diunduh dari laman Kaggle lalu di-sampling untuk
menciptakan dataset asli. Selanjutnya, dilakukan preprocessing citra dan
augmentasi data. Empat arsitektur dilatih untuk menghasilkan empat model,
confusion matrix, dan nilai akurasi yang dievaluasi menggunakan uji normalitas
dan uji statistik. Selanjutnya, pengaruh preprocessing dan augmentasi data terhadap
performa model dianalisis dengan melatih model pada berbagai kombinasi dataset.
Hasil penelitian menunjukkan bahwa YOLO v5Nano unggul, mencapai akurasi
pelatihan sebesar 0,93 dan akurasi pengujian rata-rata sebesar 0,73. Augmentasi
flipping terbukti efektif, dengan akurasi pelatihan sebesar 0,91 dan akurasi
pengujian sebesar 0,93. Secara keseluruhan, penerapan arsitektur deep learning
dengan preprocessing dan augmentasi data berhasil meningkatkan deteksi dini RD.
Arsitektur YOLO v5Nano dianggap optimal, sementara augmentasi flipping
menunjukkan kinerja superior. Temuan ini berkontribusi pada pengurangan risiko
kebutaan melalui deteksi dini retinopati diabetik.

Kata kunci: Retinopati Diabetik, Deep Learning, Preprocessing Citra, Augmentasi
Data

Item Type:	Thesis (Tugas Akhir/Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Desain > S1 Teknik Informatika
Depositing User:	umclibs1
Date Deposited:	26 Jan 2026 07:51
Last Modified:	26 Jan 2026 07:51
URI:	http://repository.machung.ac.id/id/eprint/1124

Actions (login required)

View Item