Klasifikasi Patologi Makula Pada Retina Melalui Citra Oct Menggunakan Convolutional Neural Network

Abstract

Makula pada retina bertanggung jawab terhadap penglihatan pusat manusia. Kesehatan makula dapat dipengaruhi oleh sejumlah patologi umum seperti, Age-related Macular Degeneration (AMD), Choroidal Neovascularization (CNV), dan Diabetic Macular Edema (DME). Optical Coherence Tomography (OCT) adalah sebuah teknik pencitraan medis yang digunakan untuk mendeteksi patologi yang terjadi pada makula. Proses analisis manual, cenderung kurang efektif dan efisien baik dari segi waktu maupun keakuratan hasil diagnosa. Sehingga dibutuhkan sebuah sistem klasifikasi otomatis patologi umum makula retina berdasarkan citra Retinal OCT untuk mengatasi permasalahan tersebut. Pada penelitian ini, sistem dirancang menggunakan Convolutional Neural Network (CNN) dengan model EfficientNet. Model EfficientNet bekerja menggunakan metode compound scaling yaitu menyeimbangkan seluruh dimensi pada jaringan. Kinerja performansi sistem dibandingkan berdasarkan jenis preprocessing, yaitu Gaussian Filter, Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Gabor Filter, fungsi optimasi, yaitu Adaptive Moment (Adam) dan Stochastic Gradient Decent (SGD), jumlah epoch serta nilai parameter learning rate dan batch size yang berbeda. Hasil penelitian menunjukan konfigurasi terbaik untuk sistem klasifikasi patologi umum makula pada retina memperoleh nilai akurasi pengujian sebesar 90,60% dengan loss pengujian 0,27 menggunakan preprocessing CLAHE dan fungsi optimasi Adam. Kata Kunci: Patologi Makula Pada Retina, Retinal OCT, Convolutional Neural Network (CNN), EfficientNet