Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penyakit pada Mata Katarak
Abstract Views: 767   PDF Downloads: 720DOI:
https://doi.org/10.56211/sudo.v2i4.408Keywords:
Mata; Katarak; Deep Learning; Convolutional Neural Network; Classification
Abstract
Katarak adalah kekeruhan pada lensa mata yang disebabkan oleh kalsifikasi fibrosa pada kapsul lensa atau bahan lensa. WHO memperkirakan sekitar 18 juta orang mengalami kebutaan pada kedua matanya akibat katarak, yang mencakup total 47,8% dari seluruh penyebab kebutaan mata. Katarak dapat diobati dengan mendeteksi penyakit sejak dini untuk mengurangi kerusakan akibat penyakit tersebut dengan bantuan dokter spesialis mata. Di Indonesia sendiri, akses terhadap dokter spesialis mata terkadang cukup sulit ditemukan, terutama di wilayah pedesaan Indonesia. Oleh karena itu penelitian ini akan membangun model klasifikasi yang digunakan untuk mendeteksi dini penyakit katarak dengan menggunakan bantuan machine learning menggunakan metode Convolutional Neural Network. Berdasarkan hasil penelitian ditemukan bahwa model yang dibangun dengan metode CNN dapat mendeteksi penyakit katarak dengan baik dibuktikan dengan tingkat akurasi sebesar 92,5%. Dengan demikian model ini dapat digunakan untuk mendeteksi penyakit katarak secara dini, kemudian model tersebut dapat diintegrasikan ke dalam berbagai platform seperti aplikasi berbasis mobile untuk memudahkan penggunaan.
Downloads
References
M. E. Khotimah and I. W. E. Sutyawan, “Karakteristik Penderita Katarak Kongenital Di Divisi Pediatri Oftalmologi Poliklinik Mata Rsup Sanglah Denpasar Periode 1 Januari–31 Desember 2015,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2020.
A. U. Detty, I. Artini, and V. R. Yulian, “Karakteristik Faktor Risiko Penderita Katarak,” J. Ilm. Kesehat. Sandi Husada, vol. 10, no. 1, pp. 12–17, 2021, doi: 10.35816/jiskh.v10i1.494.
A. Desiani, M. Erwin, B. Suprihatin, S. Yahdin, A. I. Putri, and F. R. Husein, “Bi-path Architecture of CNN Segmentation and Classification Method for Cervical Cancer Disorders Based on Pap-smear Images,” IAENG Int. J. Comput. Sci., vol. 48, no. 3, pp. 1–9, 2021.
A. Fitrianto and B. Sartono, “Image Classification of Beef and Pork Using Convolutional Neural Network in Keras Framework,” vol. 05, no. 02, pp. 5–8, 2021, [Online]. Available: https://journal.trunojoyo.ac.id/ijseit
S. Aich, S. Chakraborty, and H. C. Kim, “Convolutional neural network-based model for web-based text classification,” Int. J. Electr. Comput. Eng., vol. 9, no. 6, pp. 5185–5191, 2019, doi: 10.11591/ijece.v9i6.pp5185-5191.
Y. Achmad, R. C. Wihandika, and C. Dewi, “Klasifikasi emosi berdasarkan ciri wajah wenggunakan convolutional neural network,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 11, pp. 10595–10604, 2019.
R. Devine and M. Pawlus, Hands-On Deep Learning with R. Packt Publishing, 2020.
E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,” Geomatika, vol. 24, no. 2, p. 61, 2018,doi: 10.24895/jig.2018.24-2.810.
Suyanto, K. N. Ramadhani, and S. Mandala, “Deep Learning Modernisasi Machine Learning untuk Big Data,” in DEEP LEARNING Modernisasi Machine Learning untuk Big Data, Informatika, 2019, pp. 33–41.
N. Padia, P. Siddharth, A. Hirpara, and D. Jani, “Cataract dataset.” https://www.kaggle.com/datasets/nandanp6/cataract-image-dataset
J. Han, M. Kamber, and J. Pei, Data mining: Data mining concepts and techniques. 2014. doi: 10.1109/ICMIRA.2013.45.
L. Alzubaidi et al., Review of deep learning: concepts, CNN architectures, challenges, applications, future directions, vol. 8, no. 1. Springer International Publishing, 2021. doi: 10.1186/s40537-021-00444-8.
Q. Zhang, M. Zhang, T. Chen, Z. Sun, Y. Ma, and B. Yu, “Recent advances in convolutional neural network acceleration,” Neurocomputing, vol. 323, pp. 37–51, 2019, doi: 10.1016/j.neucom.2018.09.038.
D. H. Hubel and T. N. Wiesel, “Receptive fields, binocular interaction and functional architecture in the cat’s visual cortex,” J. Physiol., vol. 160, no. 1, pp. 106–154, 1962, doi: 10.1113/jphysiol.1962.sp006837.
M. W. Ilahi, C. N. Apriyani, A. Desiani, N. Gofar, Y. Andriani, and M. R. Halim, “Classification of Geometric Batik Motif Typical of Indonesian Using Convolutional Neural Network,” J. Tek. Inform., vol. 15, no. 1, pp. 91–100, 2022, doi: 10.15408/jti.v15i1.24968.
M. W. Ilahi1, C. N. Apriyani, A. Desiani, N. Gofar, Y. Andriani, and M. R. Halim, “Classification of Geometric Batik Motif Typical of Indonesian Using Convolutional Neural Network,” vol. 15, no. 1, pp. 91–100, 2022.
A. K. Putra and H. Bunyamin, “Pengenalan Simbol Matematika dengan Metode Convolutional Neural Network ( CNN ),” vol. 2, no. November, pp. 426–433, 2020.
A. Farhah, A. L. Prasasti, and M. W. Paryasto, “Implementasi Recurrent Neural Network dalam Memprediksi Kepadatan Restoran Berbasis LSTM,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 524, 2021, doi: 10.30865/mib.v5i2.2916.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.
D. Putra and A. Wibowo, “Prediksi Keputusan Minat Penjurusan Siswa SMA Yadika 5 Menggunakan Algoritma Naïve Bayes,” vol. 2, pp. 84–92, 2020.
E. Prasetyo, Data Mining: Konsep dan Aplikasi menggunakan Matlab. Yogyakarta: Andi Offset-2
Downloads
Article History
Pages: 167-175
How to Cite
Issue
Section
License
Copyright (c) 2023 Fanny Ramadhani, Andy Satria, Salamah Salamah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskahnya pada sudo Jurnal Teknik Informatika menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam sudo Jurnal Teknik Informatika dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:
"Penulis mengakui bahwa sudo Jurnal Teknik Informatika berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"
"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada sudo Jurnal Teknik Informatika."
"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."
Most read articles by the same author(s)
- Andy Satria, Fanny Ramadhani, Analisis Keamanan Jaringan Komputer dengan Menggunakan Switch Port Security di Cisco Packet Tracer , sudo Jurnal Teknik Informatika: Vol. 2 No. 2 (2023): Edisi Juni
- Ahmad Rahmatika, Asrar Aspia Manurung, Fanny Ramadhani, Pengembangan Media Pembelajaran Berbasis Augmented Reality untuk Meningkatkan Empati Anak Usia Dini dengan Metode MDLC (Multimedia Development Life Cycle) , sudo Jurnal Teknik Informatika: Vol. 2 No. 3 (2023): Edisi September
- Indah Purnama Sari, Ismail Hanif Batubara, Fanny Ramadhani, Sumita Wardani, Perancangan Sistem Antrian pada Wahana Hiburan dengan Metode First In First Out (FIFO) , sudo Jurnal Teknik Informatika: Vol. 1 No. 3 (2022): Edisi September
- Nurul Maulida Surbakti, Fanny Ramadhani, Implementation of the Greedy Algorithm for Coloring Graph Based on Four-Color Theorem , sudo Jurnal Teknik Informatika: Vol. 1 No. 4 (2022): Edisi Desember