Peningkatan Kontras Citra Mata Menggunakan CLAHE untuk Klasifikasi Penyakit Katarak dengan Metode VGG-19

Katarak adalah penyebab utama kebutaan yang mempengaruhi sekitar 1,5% populasi di Indonesia. Deteksi dini katarak sangat penting untuk mencegah kebutaan, sehingga diperlukan teknologi pengolahan citra yang mampu mendeteksi katarak secara cepat dan akurat. Penelitian ini menerapkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk mengklasifikasikan mata normal dan katarak. Citra mata pada penelitian ini diproses menggunakan teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kontras gambar. Hasil penelitian menunjukkan bahwa model dengan penggunaan CLAHE mencapai akurasi 96,69%, sedangkan model tanpa CLAHE mencapai akurasi 94,21%.