Rancang Bangun Sistem Deteksi Penyakit Diabetes Retinopatic Dengan Transfer Learning Inception V3

Abstract

Diabetic Retinopathy (DR) merupakan komplikasi diabetes yang berpotensi menimbulkan
kebutaan apabila tidak dikenali sejak awal. Penelitian ini bertujuan membangun sistem deteksi
otomatis DR dengan memanfaatkan pendekatan deep learning (pembelajaran mendalam) berbasis
transfer learning (pemanfaatan pengetahuan dari model yang telah dilatih sebelumnya) pada
arsitektur InceptionV3 (salah satu model CNN yang dikembangkan oleh Google). Metode yang
digunakan adalah eksperimen kuantitatif dengan memanfaatkan dataset publik Kaggle yang
terbagi dalam dua kategori: No DR (tanpa retinopati) dan DR (dengan retinopati). Proses data
meliputi resizing (penyesuaian ukuran gambar), normalisasi (penyesuaian skala nilai piksel), dan
augmentasi (penambahan variasi data secara sintetis) sebelum digunakan untuk melatih model
Convolutional Neural Network (CNN) melalui teknik fine-tuning (penyesuaian ulang parameter
pada lapisan akhir) pada lapisan akhir InceptionV3. Evaluasi model dilakukan menggunakan
metrik akurasi, presisi, recall (tingkat keberhasilan mendeteksi kasus positif), dan F1-score (ratarata
harmonis antara presisi dan recall). Hasil menunjukkan kinerja yang cukup baik dengan nilai
recall mencapai 0,93, menandakan kemampuan sistem dalam mendeteksi sebagian besar kasus
positif DR.
Kata kunci : Deteksi, Retinopati, Deep Learning, CNN, InceptionV3