Klasifikasi Citra Diabetic Retinopathy Menggunakan CNN (Convolutional Neural Network) Dengan Arsitektur VGG-16

Diabetic Retinopathy merupakan komplikasi utama diabetes melitus yang mempengaruhi pembuluh darah retina dan dapat menyebabkan kebutaan. Namun dengan deteksi dini dan pengobatan yang tepat, risiko kehilangan penglihatan dapat dikurangi. Pemeriksaan diabetic retinopathy tidak dapat dilakukan dengan kasat mata karena berada di pembuluh darah bagian retina. Diabetic retinopathy dapat diidentifikasi melalui foto fundus oleh para ahli. Namun membutuhkan waktu yang cukup lama dan kurang akurat. Oleh sebab itu perlu adanya klasifikasi foto fundus secara sistematis agar dapat mendukung proses identifikasi. Salah satunya melalui klasifikasi citra. Pada penelitian ini bertujuan untuk mengklasifikasi citra Diabetic Retinopathy. Dataset yang digunakan yakni dataset diabetic retinopahy sebanyak 3662 gambar, terdiri dari lima kelas sesuai tingkat keparahan, yang diambil dari Kaggle. Metode yang digunakan yakni Convolutional Neural Network dengan arsitektur VGG-16. Untuk optimasinya menggunakan Adam dan learning rate default (0,001), epoch 50 dan menggunakan Earlystopping. Uji coba pertama yakni proses klasifikasi tanpa menambahkan Contrast Limited Adaptive Histogram Equalization (CLAHE) dan augmentasi yang menghasilkan nilai akurasi training 75%. Sedangkan untuk hasil evaluasi menghasilkan akurasi sebesar 73%, presisi 67%, recall 73%, dan f1-score 69%. Uji coba kedua yakni menambahkan CLAHE dan proses augmentasi, yang menghasilkan akurasi training 78%. Sedangkan untuk hasil evaluasinya menghasilkan akurasi sebesar 76%, presisi 66%, recall 76%, dan f1-score 69%.