Deteksi Tingkat Keparahan Retinopati Diabetik Pada Penderita Diabetes Melitus Menggunakan Transformasi Wavelet Haar dan Convolutional Neural Network (CNN)
Diabetes melitus (DM) merupakan penyakit metabolisme kronis ditandai dengan tingginya kadar glukosa dalam darah. Menurut International Diabetes Federation (IDF) angka DM akan terus meningkat sebesar 12,2% pada tahun 2045. Salah satu komplikasi jangka panjangnya adalah retinopati diabetik (RD), yang menyebabkan gangguan serius pada mata bahkan kebutaan. Retinopati diabetik di Indonesia adalah komplikasi kedua terbanyak setelah nefropati. Dengan adanya permasalahan tersebut penelitian ini bertujuan untuk mengembangkan model deteksi tingkat keparahan RD menggunakan kombinasi teknik transformasi wavelet haar dan convolutional neural network (CNN). Dataset yang digunakan adalah APTOS 2019 Blindness Detection dengan 5 klasifikasi yaitu normal, mild, moderate, severe, dan proliferative. Metode pengembangan model mencakup perancangan dan implementasi model transformasi wavelet haar level 1 sampai 4 dengan CNN, serta pengujian dengan beberapa hyperparameter. Hasil penelitian ini disimpulkan bahwa penggunaan transformasi wavelet haar mampu meningkatkan akurasi model dan mempercepat proses komputasi. Model terbaik pada pembagian data (80:20), kernel 3x3, learning rate 0.001, dan transformasi wavelet haar level 1 dengan CNN. Evaluasi model terbaik menghasilkan akurasi 78.5%, precision 78.1%, recall 78.5%, dan f-1 score 77.7%.
URI
https://repo.itera.ac.id/depan/submission/SB2407190012
Keyword
Convolutional Neural Network (CNN) Diabetes Melitus Retinopati Diabetik Transformasi Wavelet Haar