View/Open

Author
Ove, Dewanda Fatin

Date Published
11 Sep 2026

Advisor
I Gde Eka Dirgayussa, M.Si.,
Ir. Yusuf Maulana, S.T., M.Sc.,

Subject
Teknik Biomedis

Publisher

Katarak dan glaukoma menjadi dua penyebab utama tingginya angka kebutaan di Indonesia. Akan tetapi, penanganannya masih menghadapi kendala karena tidak semua masyarakat memiliki akses mudah ke fasilitas kesehatan, serta biaya alat diagnosis yang relatif mahal. Penelitian ini bertujuan mengembangkan sistem klasifikasi multikelas menggunakan algoritma deep learning YOLOv8. Sistem ini dirancang untuk mengklasifikasi 4 kategori kondisi mata: normal, glaukoma, katarak, dan lainnya (diabetes, miopi, AMD, dan hipertensi). Hasil evaluasi sistem menggunakan metode 5-Fold Cross Validation menunjukkan model YOLOv8 mampu mencapai akurasi sebesar 93,4%, dengan rata-rata presisi 90,19%, sensitivitas 90%, dan F1-score 89,94%. Selain tingkat akurasi yang baik, sistem juga dapat memproses gambar dengan cepat, yaitu sekitar 41,9 milidetik untuk setiap gambar atau setara dengan 23,8 (Frame Per Second) FPS. Hasil ini menunjukkan bahwa sistem yang dikembangkan memiliki potensi sebagai alat skrining awal yang cepat, akurat, dan lebih terjangkau untuk membantu deteksi penyakit mata, terutama di daerah yang memiliki keterbatasan fasilitas kesehatan.

URI
https://repo.itera.ac.id/depan/submission/SB2609110002

Keyword
Deep Learning Website Citra Fundus Penyakit Mata Multikelas YOLOv8