UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

Diabetes Mellitus (DM) adalah salah satu penyakit yang menarik perhatian global karena menempati peringkat keempat sebagai penyakit tidak menular dengan tingkat mortalitas tertinggi setelah penyakit kardiovaskular, kanker, dan penyakit pernapasan kronis. DR adalah kondisi yang disebabkan oleh diabetes yang dapat menyebabkan kerusakan permanen pada pembuluh darah retina yang dapat menyebabkan kebutaan. DR dibagi menjadi 2 tahap, yaitu non-proliferative diabetic retinopathy (NPDR) dan proliferative diabetic retinopathy (DR), di mana setiap tahap memiliki karakteristik yang berbeda. Dari beberapa penelitian yang telah dilakukan sebelumnya, Convolutional Neural Network (CNN) telah banyak digunakan dalam beberapa tahun terakhir untuk mem-segmentasi gambar medis dengan hasil yang konsisten. Namun, masih diperlukan model yang sesuai untuk dapat menyesuaikan diri dengan semua variabel yang ada. Oleh karena itu, penelitian ini mengusulkan metode sebagai model modifikasi CNN dengan menggunakan tujuh layer. Dari hasil penelitian yang dilakukan, metode yang diusulkan menggunakan empat model kelas, yaitu 5 kelas, 3 kelas, 2 kelas (Sehat & DR), dan 2 kelas (Sehat & Moderat). Penelitian ini menghasilkan tingkat akurasi sebesar 52%, 68%, 92%, dan 84% masing-masing.

Dari hasil penelitian yang dilakukan, metode yang diusulkan (Modified CNN menggunakan 7 layer) menggunakan empat model kelas, yaitu 5 kelas, 3 kelas, 2 kelas (Sehat & DR), dan 2 kelas (Sehat & Moderat).Penelitian ini menghasilkan tingkat akurasi sebesar 52%, 68%, 92%, dan 84% masing-masing.Dapat disimpulkan bahwa semakin sedikit jumlah kelas output akan menghasilkan nilai akurasi yang lebih tinggi sehingga untuk mendapatkan hasil deteksi optimal, deteksi dengan 2 kelas dapat menjadi pilihan.Hasil akurasi yang kurang optimal untuk mendeteksi lebih dari 2 kelas disebabkan oleh variasi data yang kecil yang menyebabkan overfitting.Oleh karena itu, dalam penelitian selanjutnya, menggunakan data augmentation dapat menjadi pilihan.Selain itu, optimasi juga dapat ditambahkan dengan memodifikasi arsitektur CNN dan menambahkan pra-pemrosesan gambar untuk meningkatkan kualitas gambar.

Untuk meningkatkan akurasi deteksi diabetic retinopathy, penelitian selanjutnya dapat fokus pada pengembangan arsitektur CNN yang lebih optimal dengan menambahkan layer-layer tertentu atau menggunakan teknik-teknik optimasi seperti regularisasi atau dropout. Selain itu, penelitian dapat mengeksplorasi penggunaan teknik-teknik pra-pemrosesan gambar seperti normalisasi atau augmentasi data untuk meningkatkan kualitas gambar dan mengurangi overfitting. Terakhir, penelitian dapat mencoba menggabungkan metode-metode lain seperti transfer learning atau ensembling untuk meningkatkan akurasi deteksi dan klasifikasi diabetic retinopathy.

Read online
File size398.81 KB
Pages6
DMCAReport

Related /

ads-block-test