KLASIFIKASI DIABETES RETINOPATI MENGGUNAKAN METODE STATISTICAL REGION MERGING DAN CONVOLUTIONAL NEURAL NETWORK

Diabetes Retinopati (DR) merupakan salah satu gangguan penglihatan yang terjadi pada retina mata. Penderita akan mengalami gangguan penglihatan dan apabila terlambat ditangani, penderita akan mengalami kebutaan.Tingkat keparahan DR dapat dicegah jika dilakukan perawatan dan pemeriksaan dengan tepat. Pemeriksaan secara manual oleh dokter mata, tentunya akan menyita waktu dan hasil pemeriksaan tergantung pada keahlian dokter dalam mendiagnosis. Oleh sebab itu, diperlukan sebuah sistem pengolahan citra digital yang dapat mendiagnosis secara cepat, akurat, dan objektif. Berdasarkan permasalahan tersebut, pada Tugas Akhir ini penulis merancang suatu sistem yang dapat mengolah citra digital fundus mata dan mengklasi?kasikannya berdasarkan tingkat keparahan DR. Tingkat keparahan DR pada Tugas Akhir ini dibagi menjadi 4 kelas yaitu normal, mild NPDR, moderate NPDR, dan severe NPDR. Data yang digunakan pada penelitian ini adalah data sekunder dari dataset MESSIDOR. Sistem yang dirancang pada Tugas Akhir ini menggunakan metode segmentasi ciri Statistical Region Merging dan metode klasi?kasi Convolutional Neural Network. Jumlah data yang digunakan adalah 80 citra, yang terdiri dari 20 sampel citra untuk masing-masing kelas. Nilai akurasi tertinggi yang diperoleh dari sistem ini adalah 81,25% dengan waktu komputasi 14,598 detik. Nilai akurasi tersebut didapatkan dengan menggunakan perbandingan jumlah data 3:2 data latih dan data uji, nilai parameter kompleksitas segmentasi Q=256, jumlah epoch=100 dan nilai learning rate=0,0001. KataKunci: DR, NPDR, SRM, CN