YEHOSYAFAT, Garry (2024) Klasifikasi Katarak pada Mata Manusia Berdasarkan Citra fundus Retina Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur VGG-19. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (37kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (214kB)
	Text 4. KATA PENGANTAR.pdf Download (67kB)
	Text 6. ABSTRAK.pdf Download (63kB)
	Text 7. ABSTRACT.pdf Download (10kB)
	Text 8. DAFTAR ISI.pdf Download (57kB)
	Text 12. BAB I.pdf Download (90kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (152kB)

Abstract

Mata merupakan salah satu panca indera yang sangat penting dalam keberlangsungan hidup
manusia. Mata sendiri memiliki fungsi sebagai organ penglihatan. Gangguan penglihatan
yang paling parah adalah masalah kebutaan. Salah satu penyebab kebutaan adalah penyakit
katarak. Berdasarkan data nasional Survei Kebutaan Rapid Assessment of Avoidable
Blindness (RAAB) tahun 2014 – 2016 Kemenkes, dengan sasaran populasi usia 50 tahun ke
atas diketahui bahwa angka kebutaan mencapai 3% dan katarak merupakan penyebab
kebutaan tertinggi (81%). Pada umumnya, mata yang terkena penyakit katarak dengan mata
normal masih sulit dibedakan, sehingga masyarakat sering tidak menyadari ketika
terindikasi penyakit tersebut. Melihat dari uraian yang telah disebutkan, sangat penting untuk
mendeteksi penyakit katarak sebelum terjadi kebutaan. Maka dari itu, tugas akhir ini
membahas mengenai pengklasifikasian penyakit katarak melalui citra fundus retina retina
menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19.
Dataset yang digunakan adalah 1094 citra dengan 2 kelas yaitu kelas normal dan katarak.
Dataset diambil dari sebuah website yang bergerak di bidang data science yang bernama
Kaggle. Dataset yang diambil berjudul Ocular Disease Intelligent Recognition (ODIR).
Dataset tersebut berisi data oftalmologi terstruktur dari 5000 pasien dengan informasi usia,
foto fundus mata kiri dan kanan, serta diagnosis dari dokter. Hasil pengujian menggunakan
metode CNN dengan arsitektur VGG-19 ini dapat bekerja dengan baik untuk memprediksi
penyakit katarak pada mata dengan akurasi sebesar 97.26%.
Kata kunci : Katarak, Pemrosesan Citra, Convolutional Neural Network, VGG-19

Actions (login required)

View Item