Klasifikasi Diabetic Retinopathy Menggunakan CNN dengan Arsitektur yang Dimodifikasi

Abstract

Diabetic Retinopathy (DR), juga dikenal sebagai penyakit mata diabetes, terjadi karena kerusakan pada retina akibat diabetes melitus yang berkepanjangan. DR dapat diklasifikasikan melalui gambar fundus retina. Namun, klasifikasi retinopati diabetik membutuhkan waktu yang tidak sedikit dan belum ada model yang memiliki performa tinggi dalam mengklasifikasikan DR. Tujuan dari penelitian ini mengusulkan model yang diharapkan memiliki tingkat akurasi yang lebih tinggi daripada penelitian sebelumnya. Metode yang digunakan adalah Convolutional Neural Network (CNN). Hasil evaluasi menunjukkan klasifikasi DR menggunakan CNN berarsitektur VGG-16 Net menghasilkan akurasi 96,24% sedangkan klasifikasi DR menggunakan CNN berarsitektur yang dimodifikasi menghasilkan akurasi 96.45%. Pada penelitian ini, akurasi model klasifikasi dapat ditingkatkan dengan menggunakan metode CNN berarsitektur termodifikasi.