DETEKSI PENYAKIT RETINOPATI DIABETES MENGGUNAKAN CITRA MATA DENGAN IMPLEMENTASI DEEP LEARNING CNN

Abstract

Diabetes merupakan salah satu jenis penyakit yang paling umum terjadi di Indonesia. Salah satu penyebab utama terjadinya penyakit ini yaitu meningkatnya kadar gula darah atau glukosa. Perawatan yang tepat pada penyakit ini dapat dilakukan salah satunya dengan deteksi dini. Klasifikasi diabetes merupakan proses yang sangat penting dalam melakukan deteksi pada penyakit ini. Penggunaan Convolutional Neural Network (CNN) dalam beberapa tahun terakhir memberikan hasil yang menjanjikan sebagai salah satu metode klasifikasi. Dalam penelitian ini kami menggunakan sebuah pendekatan untuk klasifikasi diabetes dengan model Convolutional Neural Network (CNN), dimana kami menggunakan dataset yang terdiri dari dua jenis klasifikasi yakni dataset diabetes dan tidak diabetes untuk melatih dan menguji model CNN.  Dataset tersebut berupa citra atau gambar fundus mata dari pasien penderita diabetes dan pasien normal. Kami melakukan beberapa tahapan dalam proses klasifikasi, pertama kami menyiapkan dataset citra fundus mata, kedua  pra-pemrosesan data meliputi pengurangan nilai pixel gambar, mengubah gambar menjadi gambar grayscale, memberi nama pada gambar, ketiga tahapan latihan dan pengujian terhadap data citra, keempat membuat model sequential, dan kelima menyimpan hasil model. Penelitian ini menggunakan implementasi Deep learning dengan Jupyter notebook sebagai salah satu media pengolahan dataset dan Spyder sebagai media tampilan user interface atau GUI. Hasil penelitian ini menunjukan prediksi akurasi yang cukup memuaskan dalam proses klasifikasi diabetes. Penelitian ini menunjukan bahwa penggunaan model Convolutional Neural Network (CNN) dapat digunakan sebagai alat yang efektif dalam klasifikasi prediksi diabetes yang nantinya dapat mendeteksi pasien yang kemungkinan menderita diabetes. Hasil dari penelitian ini menunjukan bahwa prediksi yang dilakukan memperoleh nilai akurasi 96%, hasil tersebut terbilang baik.