Klasifikasi Diabetic Retinopathy Berbasis Citra Fundus Menggunakan SVM Berdasarkan Red Lesions

Diabetic Retinopathy (DR) merupakan komplikasi diabetes yang dapat menyebabkan gangguan penglihatan hingga kebutaan apabila tidak terdeteksi secara dini. Proses identifikasi manual citra fundus retina membutuhkan ketelitian tinggi sehingga diperlukan sistem klasifikasi otomatis. Penelitian ini bertujuan membangun sistem klasifikasi citra fundus retina menggunakan metode Support Vector Machine (SVM) berbasis ekstraksi fitur citra. Tahapan penelitian meliputi preprocessing citra, segmentasi pembuluh darah, haemorrhage, dan microaneurysm kemudian dilanjutkan ekstraksi fitur menggunakan Fractal Dimension, fitur geometri, dan Gray Level Co-occurrence Matrix (GLCM). Fitur yang diperoleh digunakan sebagai input pada proses klasifikasi menggunakan SVM dengan variasi kernel linear, Radial Basis Function (RBF), dan polynomial. Pengujian dilakukan dengan beberapa variasi pembagian data training dan testing serta parameter C dan degree untuk memperoleh model terbaik. Hasil penelitian menunjukkan bahwa sistem mampu melakukan klasifikasi citra retina dengan baik. Berdasarkan evaluasi confusion matrix agregasi diperoleh nilai accuracy sebesar 76.6%, precision sebesar 79%, recall sebesar 83.33% dan F1-score sebesar 81.05%. Sistem juga berhasil diimplementasikan dalam bentuk aplikasi berbasis web menggunakan Flask yang menampilkan hasil klasifikasi, nilai confidence, serta visualisasi hasil pengolahan citra. Hasil penelitian menunjukkan bahwa metode SVM dengan kombinasi ekstraksi fitur citra dapat digunakan untuk membantu proses klasifikasi citra fundus retina secara otomatis.