Implementasi Convolutional Neural Network (CNN) untuk Deteksi Katarak pada Citra Mata

Authors

  • Yudha Jarod Krisnawan Universitas Trunojoyo, Jawa Timur, Indonesia
  • Wahyudi Setiawan Universitas Trunojoyo, Jawa Timur, Indonesia

DOI:

https://doi.org/10.38035/jemsi.v6i1.3066

Keywords:

Convolutional Neural Network (CNN), Katarak, Deteksi Citra Mata

Abstract

Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) yang mampu mendeteksi katarak pada citra mata. Katarak adalah penyebab utama kebutaan di Indonesia dan dunia, yang ditandai dengan kekeruhan pada lensa mata. Dalam penelitian ini, digunakan 600 citra mata yang terdiri dari 300 citra mata normal dan 300 citra mata katarak yang diambil dari dataset publik. Data citra melalui preprocessing yang mencakup resizing, normalisasi, dan augmentasi untuk meningkatkan variasi data. Model CNN dibangun dengan tiga lapisan konvolusi, tiga lapisan pooling, dan dua lapisan fully connected, serta dilatih menggunakan teknik 5-Fold Cross-Validation. Optimasi hyperparameter dilakukan melalui pengujian terhadap dua optimizer, yaitu Adam dan RMSprop, serta penyesuaian learning rate, batch size, dan jumlah epoch untuk meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa dengan kombinasi hyperparameter optimizer Adam, learning rate 0.001, batch size 32, dan jumlah epoch 50, model CNN mampu mencapai akurasi pengujian sebesar 97%, precision 95%, recall 100%, dan F1-score 97% dalam mendeteksi katarak.

References

Amin Nurdin, M., Cahya Wihandika, R., & Utaminingrum, F. (2020). Deteksi Pergerakan Arah Mata menggunakan Convolution Neural Network berdasarkan Facial Landmark. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(10), 3338–3345. http://j-ptiik.ub.ac.id

Andreas, E., Widhiarso, W., Kunci, K., & Mata Katarak;, P. (2023). Klasifikasi Penyakit Mata Katarak menggunakan Convolutional Neural Network dengan Arsitektur Inception V3. 2nd MDP Student Conference (MSC) 2023 Universitas Multi Data Palembang, 1, 107–113. https://www.kaggle.com/jr2ngb/cataractdataset

Ariani, N. M., Dewi, N. L. P. T., & Antara, D. K. A. S. (2023). Gambaran Kualitas Hidup Pasien Post Operasi Katarak di Poliklinik RS Mata Bali Mandara Provinsi Bali. Jurnal Keperawatan SUMBA, 2(1), 32–38. https://jurnal.poltekkeskupang.ac.id/index.php/jks

Farahdiva, Z., Maisarah Disrinama, A., & Adianto. (2023). Screening Awal Penyakit Katarak dengan Image Processing menggunakan Metode Convolutional Neural Network pada Penyakit Akibat Kerja Pengelasan. 7th Conference on Safety Engineering and It’s Application.

Hananta Firdaus, D., Imran, B., Darmawan Bakti, L., & Suryadi, E. (2022). Klasifikasi Penyakit Katarak pada Mata menggunakan Metode Convolutional Neural Network (CNN) berbasis Web. Jurnal Kecerdasan Buatan Dan Teknologi Informasi (JKBTI), 1(3), 18–26.

Nurona Cahya, F., Hardi, N., Riana, D., & Hadianti, S. (2021). Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN). SISTEMASI: Jurnal Sistem Informasi, 10(3). http://sistemasi.ftik.unisi.ac.id

Pradana, A. I., Abdullah, R. W., & Harsanto. (2022). Deteksi Ketepatan Pengunaan Masker Wajah Dengan Algoritma CNN Dan Haar Cascade. Jurnal Teknik Informatika Dan Sistem Informasi, 3.

Prasetyo, A. R., Sussi, & Aditya, B. (2023). Analisis Perbandingan Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Sistem Deteksi Katarak. Jurnal Ilmiah Teknik Mesin, Elektro Dan Komputer, 3(1), 1–10.

Putra, F. S., Kusrini, & Kurniawan, M. P. (2021). Deteksi Otomatis Jerawat Wajah Menggunakan Metode Convolutional Neural Network (CNN). JIFoTech (Journal of Information Technology), 1(2).

Satoto, B. D., Utoyo, M. I., Rulaningtyas, R., & Koendhori, E. B. (2020). Custom Convolutional Neural Network with Data Augmentation to Predict Pneumonia COVID-19. IBIOMED 2020 - Proceedings of the 37th International Conference on Biomedical Engineering, 71–76. https://doi.org/10.1109/IBIOMED50285.2020.9487567

Setiawan, W., & Damayanti, F. (2020). Layers Modification of Convolutional Neural Network for Pneumonia Detection. Journal of Physics: Conference Series, 1477(5). https://doi.org/10.1088/1742-6596/1477/5/052055

Setiawan, W., Saputra, Moch. A., Koeshardianto, M., & Rulaningtyas, R. (2024). Transfer Learning and Fine Tuning in Modified VGG for Haploid Diploid Corn Seed Images Classification. Revue d’Intelligence Artificielle, 38(2), 483–490. https://doi.org/10.18280/ria.380211

Downloads

Published

2024-10-29

How to Cite

Krisnawan, Y. J., & Setiawan, W. (2024). Implementasi Convolutional Neural Network (CNN) untuk Deteksi Katarak pada Citra Mata. Jurnal Ekonomi Manajemen Sistem Informasi, 6(1), 443–450. https://doi.org/10.38035/jemsi.v6i1.3066

Issue

Vol. 6 No. 1 (2024): Jurnal Ekonomi Manajemen Sistem Informasi (September-Oktober 2024)

Section

Articles

License

Copyright (c) 2024 Yudha Jarod Krisnawan, Wahyudi Setiawan

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Hak cipta :

Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mengakui bahwa Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI) berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
  3. Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI).