RASYID, Muhammad (2026) Klasifikasi Katarak Pada Citra Retina Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur Inception V3. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (61kB)
	Text 2. HALAMAN PENGESAHAN.pdf Download (369kB)
	Text 5. KATA PENGANTAR.pdf Download (84kB)
	Text 6. ABSTRAK.pdf Download (87kB)
	Text 7. ABSTRACT.pdf Download (66kB)
	Text 8. DAFTAR ISI.pdf Download (115kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (129kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (148kB)

Abstract

Katarak merupakan penyebab utama kebutaan global menurut World Health Organization
pada 2019 dengan sekitar 100 juta kasus kebutaan pada 2020, dan meskipun dapat
dideteksi melalui citra fundus yang menampilkan kondisi retina, saraf optik, makula, serta
pembuluh darah, proses interpretasinya masih dilakukan secara manual sehingga
bergantung pada keahlian tenaga medis dan berpotensi menghasilkan diagnosis yang tidak
konsisten. Penelitian ini berfokus pada pembangunan model klasifikasi katarak pada citra
retina menggunakan Convolutional Neural Network (CNN) dengan arsitektur Inception-V3.
CNN digunakan untuk mengekstraksi fitur citra secara otomatis melalui convolutional dan
pooling layer, kemudian melakukan klasifikasi melalui fully connected layer. Dataset yang
digunakan berasal dari Kaggle dan terdiri dari 2112 citra dengan dua kelas, yaitu normal
dan katarak. Arsitektur Inception-V3 dipilih karena mampu mengekstraksi fitur pada
berbagai ukuran kernel secara paralel serta mendukung transfer learning, sehingga efektif
untuk dataset terbatas. Model dilatih dan diuji dalam dua skenario berbeda, yakni
penggunaan citra RGB dan citra grayscale, dengan kombinasi hyperparameter seperti
learning rate, batch size, dan epoch. Hasil pengujian menggunakan metode CNN dengan
arsitektur Inception-V3 mendapatkan hasil yang baik untuk mengklasifikasi penyakit
katarak pada mata dengan akurasi tertinggi sebesar 99,05% pada learning rate 0,00001,
batch size 32, dan epoch 30.
Kata kunci : Katarak, Citra Fundus, Convolutional Neural Network, Inception-V3

Actions (login required)

View Item