Sutanto, Steven Yesua (2024) PERANGKAT LUNAK PENGKLASIFIKASI PENYAKIT MATA PADA CITRA FUNDUS DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Other thesis, Universitas Multi Data Palembang.
Text
13.pdf Download (1MB) |
Abstract
Mata adalah organ sensorik vital yang penting untuk penglihatan dan berbagai aspek kehidupan. Penyakit mata seperti retinopati diabetik, glaukoma, katarak, degenerasi makula, hipertensi, miopia patologis dan penyakit lainnya adalah masalah kesehatan global yang dapat memengaruhi kualitas hidup. Survei RAAB 2022 oleh Perdami menunjukkan 8 juta orang di Indonesia mengalami gangguan penglihatan, dengan 1,6 juta di antaranya menderita kebutaan. Diagnosis penyakit mata sering memerlukan waktu lama dan bergantung pada keakuratan serta subjektivitas dokter dalam menganalisis gambar fundus mata. Metode Convolutional Neural Network (CNN) dapat mengolah citra dan mengenali pola serta fitur kompleks, membantu mengklasifikasi penyakit mata dengan akurasi dan efisiensi tinggi. Proyek ini bertujuan mengembangkan aplikasi yang menggunakan metode CNN untuk mendiagnosis penyakit mata secara otomatis, mempercepat proses diagnosis, memungkinkan penanganan yang lebih cepat, dan meningkatkan efektivitas dalam dunia medis. Implementasi metode CNN dengan arsitektur VGG�16 berhasil, mampu mengklasifikasi 8 jenis penyakit mata, dengan hasil terbaik diperoleh pada percobaan ke-10 dengan akurasi 54,17%. Berdasarkan kuesioner didapatkan hasil presentase 84,72% mengartikan Responden yaitu dokter sangat setuju bahwa aplikasi ini mudah digunakan dan membantu dalam memprediksi penyakit mata.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Penyakit Mata, CNN, VGG-16 |
Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Fakultas Ilmu Komputer dan Rekayasa > Informatika |
Depositing User: | Farhani R |
Date Deposited: | 19 Sep 2024 08:56 |
Last Modified: | 19 Sep 2024 08:56 |
URI: | http://rama.mdp.ac.id:84/id/eprint/680 |
Actions (login required)
View Item |