IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR VGG19 PADA KLASIFIKASI KELAINAN PADA MAKULA MATA

SARI, ALIF NOVIKA (2025) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR VGG19 PADA KLASIFIKASI KELAINAN PADA MAKULA MATA. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_123210007_Alif Novika Sari.pdf Download (392kB)
	Text 3_Abstrak_123210007_Alif Novika Sari.pdf Download (342kB)
	Text 4_Halaman Pengesahan_123210007_Alif Novika Sari.pdf Download (613kB)
	Text 5_Daftar Isi_123210007_Alif Novika Sari.pdf Download (524kB)
	Text 6_Daftar Pustaka_123210007_Alif Novika Sari.pdf Download (357kB)
	Text 1_Skripsi Full_123210007_Alif Novika Sari.pdf Restricted to Repository staff only Download (13MB)
	Text PANDUAN MENGAKSES DTS FULL.pdf Download (861kB)

Abstract

Penyakit pada makula mata seperti Choroidal Neovascularization (CNV), Diabetic
Macular Edema (DME), dan Drusen merupakan penyebab utama gangguan penglihatan
yang dapat berujung pada kebutaan. Optical Coherence Tomography (OCT) menjadi metode
utama dalam mendiagnosis kelainan ini, namun interpretasi manual masih bergantung pada
keahlian tenaga medis dan memakan waktu. Penelitian ini mengusulkan penerapan metode
Convolutional Neural Network (CNN) dengan arsitektur VGG19 menggunakan pendekatan
transfer learning untuk klasifikasi otomatis kelainan pada makula retina. Dataset yang
digunakan adalah sekunder dengan 84.484 citra OCT yang terbagi dalam empat kelas: CNV,
DME, Drusen, dan Normal. Tahapan meliputi preprocessing, pelatihan model VGG19, serta
pengujian kombinasi parameter.
Hasil penelitian menunjukkan bahwa model CNN VGG19 mampu
mengklasifikasikan kelainan makula retina dengan baik, dengan akurasi akhir sebesar
97.30%. Selain itu, model juga menghasilkan nilai precision sebesar 97%, recall 97%, dan
f1-score 97% pada data uji. Sistem klasifikasi ini juga dikembangkan dalam bentuk
antarmuka berbasis web menggunakan Streamlit, sehingga dapat digunakan oleh tenaga
medis untuk membantu proses diagnosis secara otomatis dan efisien. Kesimpulannya,
implementasi CNN VGG19 dapat menjadi solusi berbasis teknologi yang akurat dan praktis
untuk mendeteksi kelainan makula dan dapat dikembangkan lebih lanjut ke arah sistem
diagnosis terintegrasi.
Kata kunci: CNN, VGG19, Optical Coherence Tomography, Makula Retina,
Transfer Learning, Klasifikasi Citra.

Item Type:	Thesis (Skripsi)
Additional Information:	ALIF NOVIKA SARI (Penulis-1232100070 ; Heru Cahya R. (Pembimbing)
Uncontrolled Keywords:	CNN, VGG19, Optical Coherence Tomography, Makula Retina, Transfer Learning, Klasifikasi Citra.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > Informatika (S1)
Depositing User:	A.Md Eko Suprapti
Date Deposited:	14 Jul 2025 06:30
Last Modified:	14 Jul 2025 06:30
URI:	http://eprints.upnyk.ac.id/id/eprint/43069

Actions (login required)

View Item