Identifikasi Penyakit Katarak berdasarkan Citra Fundus menggunakan Siamese Convolutional Neural Network
Sari
ABSTRAK
Katarak merupakan penyakit yang dipengaruhi oleh faktor-faktor tertentu seperti usia, aktivitas dan penderita penyakit genetik seperti diabetes, hipertensi, asam urat serta riwayat keluarga katarak. Diagnosis penyakit katarak ini dapat dipengaruhi oleh faktor subyektif seperti pengalaman dan keahlian dokter. Untuk mengatasi hal tersebut dan menurunkan tingkat subyektivitas diperlukan pendekatan yang akurat dan konsisten yaitu sistem identifikasi penyakit katarak terbantukan komputer. Penelitian ini bertujuan sebagai deteksi dini katarak. Metode SCNN digunakan untuk mengidentifikasi citra fundus mata katarak. Fine tuning parameter SCNN memberikan performa yang baik pada proses pelatihan dan pengujian yaitu 100 epoch, optimizer : RMS Prop dan loss function Binary Crossentropy. Performansi yang diberikan yaitu akurasi 91,25%, kepresisian 91%.
Kata kunci: penyakit katarak, siamese convolutional neural network, citra fundus.
ABSTRACT
The cataract is a disease that influenced by certain factors such as age, activity and people with genetic disease such as diabetes, hypertension, uric acid and family history of cataract. The diagnosis of cataracts based on opthamologist experience and expertise which signifies a level of a diagnostic subjectivities. In order to overcome that problem and reduce the level of subjectivity, the need for an accurate and consistent computer aided identification for cataract disease is inevitable. This research aims to as an early detection of cataracts. The SCNN is applied for identify the cataract disease based on eye fundus image. Fine tuning SCNN parameters which provide good performances in the training and testing process with 100 epochs, RMSProp optimizer, Binary Crossentropy Loss function.This system gives promising result with the accuracy 91,25% , precision level is 91%.
Keywords: cataract disease, siamese convolutional neural network, fundus images
Kata Kunci
Teks Lengkap:
PDFReferensi
Andika, L. A. (2019). Klasifikasi Penyakit Pnemunia Menggunakan Metode Convolutional Neural Network dengan Optimasi Adaptive Momentum. Indonesia Journal of Satatistic and Its Application, 3(3).
Aristyanto, M. Y. (2021). Pengembangan Metode Neural Machine Translation Berdasarkan Hyperparameter Neural Network. Seminar Nasional Official Statistics,.
Arnstein, S. R. (1969). A Ladder of Citizen Participation. In R. T. Gates, & F. Stout (Eds.), The City Reader (2nd ed.). New York: Routledge Press.
Borer, M. I. (2010). From Collective Memory to Collective Imagination: Time, Place, and Urban Redevelopment. Symbolic Interaction, 33(1), 96-144.
Bu’ulölö, G. J. (2021). Identification of Cataract Eye Disease Using Convolutional Neural Network. Jurnal Teknik Informatika, 16(4), 375-382.
Chopra S, ,. R. (2005.). Learning a similarity metric discriminatively, with application to face verification. 1. Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05).
Darlis, A. R. (2015). Impementation Visible Light Communication. International Optical Conference (pp. 200 - 209). Bandung: Institut Teknologi Nasional Bandung.
Firdaus, D. H. (2022). Klasifikasi Penyakit Katarak Berdasarkan Citra Menggunakan metodo CNN Berbasis Web. Jurnal Kecerdasan Buatan dan Teknologi Informasi, 1(3), 18-26.
Hamidi, .. M. (2017). Faktor-faktor Yang Berhubungan Dengan Terjadinya Katarak Senilis Pada Pasien Di Oli RSUD Bangkinang. J.Ners Univ Pahlawan Tuanku TAmbusai, 1(1), 125-136.
Hasan, M. K. (2021). Cataract Disease Detection by Using Transfer Learning-Based Intelligent Methods. Computational and Mathematical Methods in Medicine, 11(1), 1-11.
Laynardi, F. (2022). Implementasi Siamese Convolutional Neural Network untuk Masked Face Recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Martono, G. H. (2016). Diagnosa Penyakit Katarak Senilis Dengan Menggunakan Case Based Reasoning(CBR) Berbasis Web. Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM, (pp. 3.6-6.1-3.6-6.6.).
Naufal, M. F. (2022). Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning. Jurnal Edukasi dan Penelitian Informatilka, 8(1), 44-49.
Poston, J. D., & Bouvier, L. F. (2010). An Introduction to Demography. Cambridge: Cambridge University Press.
Putra, K. ,. (2019). Pengenalan Simbol Matematika dengan Metode Convolutional Neural Network (CNN). Jurnal Strategi, 2(2), 426-433.
Raenida, R. Z. (2019). Sistem Pakar Diagnosis Dini Penyakit Katarak Menggunakan Metode Rule Based Reasoning. Seminar Nasional Informatika Medis (SNIMed) 2019.
Ramadhani, F. A. (2023). . Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penyakit pada Mata Katarak. Jurnal Teknik Informatika,, 2(4), 167–175.
Santos, M. S. (2024). Predicting diabetic retinopathy stage using Siamese Convolutional Neural Network. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization, 12(1), 1-13.
Sianturi, B. T. (2023). Penerapan Algoritma Long Short-Term Memory (LSTM) berbasis Multi Fungsi Aktivasi Terbobot dalam Prediksi Harga Ethereum. Jurnal Pengembangan Teknologi Informasi dan Komputer.
Simanjuntak, R. B. (2022). Cataract Classification Based on Fundus Images Using Convolutional Neural Network. International Journal on Informatic and Visualization, 6(1)
DOI: https://doi.org/10.26760/elkomika.v12i4.838
Refbacks
- Saat ini tidak ada refbacks.
_______________________________________________________________________________________________________________________
ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2459-9638
diterbitkan oleh :
Teknik Elektro Institut Teknologi Nasional Bandung
Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124
Kontak : Tel. 7272215 (ext. 206) Fax. 7202892
Surat Elektronik : jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________
Statistik Pengunjung
Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.