Penerapan Metode Deep Learning Dengan Arsitektur Convolutional Neural Network Dalam Mendeteksi Penyakit Diabetic Retinopathy

Diabetic Retinopathy adalah penyakit yang disebabkan oleh terjadinya komplikasi diabetes melitus yang menyebabkan terjadinya kerusakan pada retina mata. Penyakit ini akan berdampak langsung pada terganggunya penglihatan penderita dan apabila terlambat ditangani akan menyebabkan penderita mengalami kebutaan permanen. Berdasarkan data Badan Kesehatan Dunia (WHO), Diabetic Retinopathy adalah penyebab gangguan penglihatan kelima dan penyebab kebutaan keempat di dunia. Pada tahun 2010, kondisi ini dialami oleh 39,3 juta orang di seluruh dunia. Sedangkan di Indonesia, angka kejadian Diabetic Retinopathy pada penderita diabetes sebesar 42,6%. Oleh sebab itu, pendiagnosaan dini terkait penyakit Diabetic Retinopathy sangat penting. Untuk mengatasi masalah tersebut perlu dibangun sebuah sistem yang mampu mendeteksi penyakit tersebut dengan lebih efisien dan akurat. Data yang digunakan pada penelitian ini merupakan data yang diambil dari situs Kaggle berupa citra x-ray retina mata. Pengolahan data dilakukan dengan menggunakan algoritma Convolutional Neural Network (CNN). Pengolahan data dilakukan dengan dua skenario yaitu skenario 1: implementasi model yang dibuat dan skenario 2: implementasi model dengan proses augmentasi. Hasil akurasi terbaik terdapat pada skenario 1 dengan hasil nilai akurasi sebesar 94%, presisi 94%, recall 94%, dan f1-Score 94%. Namun pada skenario 1, terjadi overfitting pada grafik plot-nya. Sedangkan hasil terbaik yang didapatkan secara keseluruhan terdapat pada skenario 2 dengan nilai akurasi sebesar 90%, presisi 91%, recall 90%, dan f1-Score bernilai 90%. Grafik plot dan confussion matriks yang dihasikan menampilkan hasil yag baik.