DETEKSI DIABETES BERDASARKAN RETINA MATA DENGAN PENDEKATAN DEEP LEARNING

JOP DANI HAMONANGAN RITONGA (2019) DETEKSI DIABETES BERDASARKAN RETINA MATA DENGAN PENDEKATAN DEEP LEARNING , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Di Negara Berkembang, retinopatidiabetik (DR) adalah salah satu sumber utama gangguan penglihatan pada populasi usia kerja. Resiko kehilangan pengliohatan yang parah dapat dikurangi secara signifikan dengan diagnosis dan pengobatan yang tepat waktu. Skrining sistematis untuk DR telah di dentifikasi sebagai cara yang hemat biaya untuk menghemat sumber daya layanan kesehatan. Analisis gambar retina otomatis muncul sebagai alat skrining penting untuk deteksi DR dini, yang dapat mengurangi bahan kerja terkait dengan penilaian manual serta menghemat biaya dan waktu diagnosis. Terdapat beberapa karya penelitian dalam beberapa tahun terahir telah di khususkan untuk mengembangkan alat otomatis untuk membantu dalam deteksi dan evaluasi lesi DR, dalam penelitian ini kamu mengusulkan pendekatan Deep Learning untuk deteksi DR dengan kerangka arsitektur InceptionV3 dan VGG-19 pada dataset gambar retina dan menggunakan funfsi cross entropy loss. Tugas klasifikasi adalah untuk memdeteksi keberadaan retinopati diabetik. Pra-pemrosesan dan argmentasi data juga dilakukan sebelum pelatihan model jaringan saraf. Berdasarkan hasil pengujian pada dataset model yang diusulkan jaringan VGG-19 yang dilatih tentang gambar ini mencapai akurasi 84% dan sensitivitas77%

PROSIDING