KLASIFIKASI CITRA PENYAKIT GLAUKOMA MENGGUNAKAN ARSITEKTUR U-NET DAN VISUAL GEOMETRY GROUP-19 (VGG-19)

Penyakit mata adalah kondisi atau gangguan yang mempengaruhi salah satu atau beberapa bagian mata seperti kelopak mata, kornea, lensa, retina, saraf optic, atau bagian-bagian lainnya. Salah satu penyakit mata yang dapat menyebabkan kebutaan yakni Glaukoma. Glaukoma adalah gangguan penglihatan yang disebabkan oleh kerusakan saraf optik, yang mengakibatkan penyempitan lapang pandang dan akhirnya kehilangan penglihatan. Menurut data Kementerian Kesehatan tahun 2019, glaukoma merupakan penyebab kebutaan kedua di dunia setelah katarak, dengan angka kejadian sekitar 2,78% di Indonesia. Maka diperlukan alternatif untuk membuat sistem dalam mendeteksi penyakit ini yakni menggunakan citra mata dengan menggunakan Deep Learning. Pada proposal skripsi ini menggunakan data untuk klasifikasi dan segmentasi yang didapat dari Kaggle, dengan berjumlah 650 citra untuk klasifikasi dan segmentasi. Pelatihan model segmentasi menggunakan U-Net dan model klasifikasi menggunakan Visual Geometry Group-19 (VGG-19). Skenario percobaan dilakukan sebanyak dua kali, dengan membagi menjadi 2 skenario percobaan yaitu Skenario 1, dan Skenario 2 dengan Skenario 1 klasifikasi dengan hasil segmentasi citra bagian Optic Cup (OC) dan Optic Disc (OD) yang memperoleh akurasi Dice Similarity Coefficient sebesar 86%. Sedangkan hasil klasifikasi menggunakan VGG-19 pada percobaan menggunakan dataset hasil segmentasi memperoleh nilai yang paling besar dengan akurasi sebesar 84%. Adapun pada Skenario 2 klasifikasi menggunakan VGG-19 tanpa menggunakan hasil segmentasi citra bagian OC dan OD diperoleh hasil akurasi sebesar 76%. Berdasarkan hasil tersebut, klasifikasi menggunakan dataset hasil segmentasi area OC dan OD mempunyai hasil lebih bagus dibandingkan klasifikasi tanpa hasil segmentasi.