KLASIFIKASI PENYAKIT KATARAK BERDASARKAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB
| Main Authors: | Diki Hananta Firdaus, Bahtiar Imran, Lalu Darmawan Bakti, Emi Suryadi |
|---|---|
| Format: | Article info application/pdf |
| Bahasa: | eng |
| Terbitan: |
Ninety Institute
, 2022
|
| Subjects: | |
| Online Access: |
https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/6 https://ojs.ninetyjournal.com/index.php/JKBTI/article/view/6/3 |
Daftar Isi:
- Mata adalah alat indera pada manusia yang berfungsi sebagai organ penglihatan. Gangguan penglihatan yang sangat memprihatinkan adalah masalah kebutaan. Mengacu pada data World Health Organization (WHO) tahun 2018, katarak menyumbang sekitar 48% kasus kebutaan di dunia dan nomor satu di Indonesia. Mata katarak dengan mata normal di masyarakat sekitar masih sulit untuk dibedakan, Sehingga masyarakat sering tidak menyadari ketika terindikasi penyakit katarak. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit katarak sebelum terjadi kebutaan. Dengan berkembangnya teknologi, pendeteksian dan klasifikasi katarak menjadi lebih mudah dengan adanya pengolahan citra digital. Pada penelitian ini penulis membuat suatu aplikasi Machine Learning untuk mengidentifikasi antara mata katarak dan mata normal dengan menggunakan metode Convolutional Neural Network (CNN) berbasis web. Dataset yang digunakan adalah 512 citra digital dengan pembaruan 2 kelas yaitu kelas katarak dan kelas normal. Dataset diambil dari sebuah website yang bergerak di bidang data sience yang bernama Kaggle. Pembelajaran mesin menggunakan Epoch 1, epoch 10 dan epoch 25. Pada epoch 1 mendapatkan hasil akurasi model sebesar 52,20%, epoch 10 mendapatkan akurasi sebesar 89,15% dan epoch 25 mendapatkan hasil akurasi sebesar 99,74%. Hasil terbaik yang didapatkan model adalah 99,74%. Hasil pengujian model menggunakan metode CNN ini dapat bekerja dengan sangat baik untuk memprediksi penyakit katarak pada mata.