View/Open

Author
INTAN, PERMATA SARI

Date Published
24 Jun 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher

Klasifikasi penyakit mata berbasis citra fundus retina memiliki potensi sebagai alat bantu skrining dini yang cepat, objektif, dan konsisten. Namun, penerapannya masih menghadapi beberapa tantangan, seperti keterbatasan data, ketidakseimbangan distribusi kelas, dan kemiripan karakteristik visual antar kategori penyakit. Penelitian ini mengembangkan model klasifikasi multikelas penyakit retina menggunakan subset dataset Ocular Disease Intelligent Recognition (ODIR) yang direkonstruksi menjadi 5.546 citra fundus retina berlabel tunggal dengan empat kelas, yaitu NORMAL, Diabetic Retinopathy (DR), GLAUCOMA, dan CATARACT. Dua arsitektur Convolutional Neural Network berbasis transfer learning dibandingkan, yaitu ConvNeXt-Tiny sebagai model utama dan ResNet-50 sebagai model pembanding. Ketidakseimbangan kelas ditangani menggunakan kombinasi weighted random sampler dan class weighted focal loss. Evaluasi dilakukan menggunakan skema 5-fold cross validation berbasis pasien, dengan macro F1-score sebagai metrik utama dan recall kelas GLAUCOMA sebagai metrik pendukung. Hasil penelitian menunjukkan bahwa ConvNeXt-Tiny memperoleh accuracy 79,22%, macro F1 score 75,41%, dan recall GLAUCOMA 57,18%, lebih tinggi dibandingkan ResNet-50 yang memperoleh 74,66%, 71,87%, dan 49,98%. Eksperimen optimasi menunjukkan adanya trade-off antara peningkatan macro F1-score dan sensitivitas terhadap kelas GLAUCOMA. Konfigurasi DR-α 1,10 menghasilkan macro F1-score tertinggi sebesar 77,16%, sedangkan konfigurasi DR-α 1,15 + GLA-α 1,05 menghasilkan recall GLAUCOMA tertinggi sebesar 62,33%. Eksperimen tanpa weighted random sampler menurunkan recall GLAUCOMA menjadi 53,25%, sehingga menunjukkan pentingnya penyeimbangan sampel pada dataset tidak seimbang. ConvNeXt-Tiny lebih sesuai digunakan pada skenario klasifikasi multikelas penyakit retina dengan distribusi kelas yang tidak seimbang, meskipun deteksi GLAUCOMA masih memerlukan pendekatan lanjutan yang berfokus pada area diskus optik.

URI
https://repo.itera.ac.id/depan/submission/SB2606200057

Keyword
Klasifikasi Penyakit Retina ConvNeXt-Tiny, ResNet-50 Transfer Learning Focal Loss Weighted Random Sampler