Klasifikasi Patologi Makula Retina Melalui Citra Oct Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet

Abstrak

Makula adalah area utama untuk penginderaan dan terletak di tengah retina. Kerusakan makula pada retina dapat menyebabkan kehilangan penglihatan permanen. Pada saat ini, deteksi penyakit pada patologi makula retina masih dilakukan secara manual dan memerlukan waktu yang lama. Oleh karena itu deperlukan suatu teknik yang dapat mendeteksi dan mengklasifikasi suatu penyakit patologi makula retina dengan lebih cepat dan efisien waktu. Pada penelitian ini akan merancang sistem klasifikasi kondisi patologi makula retina menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Mobilenet. Perancangan sistem dibagi menjadi beberapa tahapan yaitu menginput data citra retinal OCT, kemudian dilakukan preprocessing dengan menggunakan CLAHE, gaussian filter, dan gabor filter. Kemudian masuk ke tahap training akan menggunakan dua algoritma optimizer yaitu Stochastic Gradient Descent (SGD), dan Adaptive moment (Adam). Pada Tugas Akhir ini, sistem ini akan mengklasifikasi penyakit patologi makula retina yang dibagi menjadi empat kelas yaitu, Choroidal Neovascularization (CNV), Diabetic Macular Edema (DME), Drusen, dan Normal. Hasil akhir menunjukkan model terbaik untuk klasifikasi patologi makula pada retina berdasarkan citra retinal OCT yaitu Mobilenet dengan optimizer Adam menggunakan citra Gaussian filter yang memiliki nilai akurasi training 95,679%, akurasi validation 92,045%, loss training 0,135 dan loss validation 0,299. Kata Kunci : Makula, patologi retina, Choroidal Neovascularization (CNV), Diabetic Macular Edema (DME), Drusen , Convolutional Neural Network (CNN), MobileNet, citra retina OCT