View/Open

Author
Muhammad, Hisyam

Date Published
26 Aug 2026

Advisor
Rudi Setiawan, S.T., M.T.,
Assoc. Prof. Dr. Haniza Yazid,
I Gde Eka Dirgayussa, M.Si.,

Subject
Teknik Biomedis

Publisher

Retinopati hipertensi merupakan komplikasi hipertensi yang menyebabkan perubahan patologis pada pembuluh darah retina sehingga diperlukan analisis citra fundus retina untuk mendukung identifikasi penyakit. Penerapan deep learning pada klasifikasi citra fundus memiliki tantangan dalam menentukan arsitektur model yang sesuai karena setiap model memiliki kemampuan ekstraksi fitur visual yang berbeda. Penelitian ini bertujuan membandingkan performa ResNet-50 dan EfficientNet-V2 dalam klasifikasi citra fundus retina kelas normal dan retinopati hipertensi serta mengembangkan sistem pendukung berbasis deep learning. Penelitian menggunakan 712 citra dengan metode preprocessing, transfer learning, fine-tuning, dan optimasi hyperparameter menggunakan Grid Search. Hasil menunjukkan ResNet-50 memperoleh accuracy 88,73%, sedangkan EfficientNet-V2 memiliki recall lebih tinggi sebesar 93,10%. Hasil McNemar Test menunjukkan p-value 0,07835 sehingga perbedaan kedua model belum signifikan secara statistik. Model kemudian diimplementasikan dalam Web-GUI sebagai sistem pendukung klasifikasi citra fundus retina.

URI
https://repo.itera.ac.id/depan/submission/SB2609240089

Keyword
Citra fundus retina deep learning EfficientNet-V2 ResNet-50 retinopati hipertensi