Text
PENGEMBANGAN MODEL KLASIFIKASI CITRA PENYAKIT MATA BERBASIS CONVNEXTV2
Penyakit mata merupakan salah satu gangguan kesehatan yang dapat menyebabkan penurunan kualitas hidup hingga kebutaan apabila tidak terdeteksi secara dini. Proses diagnosis manual oleh dokter ahli membutuhkan waktu dan sumber daya yang besar, sehingga diperlukan sistem berbasis kecerdasan buatan yang mampu melakukan deteksi otomatis dengan akurasi tinggi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra penyakit mata menggunakan arsitektur ConvNeXtV2, yang merupakan pengembangan dari model Convolutional Neural Network (CNN) modern dengan efisiensi dan performa tinggi. Dataset yang digunakan terdiri dari citra mata dengan beberapa kategori penyakit yaitu Bulging, Cataract, Crossed, Hordeolum, Uveitis, dan kondisi normal. Data dibagi menjadi data pelatihan, validasi, dan pengujian. Model dilatih menggunakan 72 skenario dengan kombinasi epoch, batch size, learning rate, dan optimizer untuk menemukan konfigurasi terbaik. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada epoch 50, batch size 32, learning rate 1e-4, dan optimizer AdamW dengan akurasi validasi mencapai 97,96%. Model kemudian diuji pada Test Set untuk mengukur kemampuan generalisasi, dan hasilnya menunjukkan performa yang konsisten dengan hasil validasi. Dengan demikian, model ConvNeXtV2 terbukti mampu mengklasifikasikan citra penyakit mata secara efektif dan berpotensi diterapkan pada sistem diagnosis berbasis citra medis untuk membantu tenaga kesehatan dalam proses deteksi dini penyakit mata.
No other version available