Segmentasi Pembuluh Darah Retina Menggunakan Arsitektur U-Net Dengan Modul Atensi Filter Dolph-Chebyshev

Candy, Ristyan Arda Yudha Mahesega (2026) Segmentasi Pembuluh Darah Retina Menggunakan Arsitektur U-Net Dengan Modul Atensi Filter Dolph-Chebyshev. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123210172_COVER - Candy Ristyan Arda Yudha M..pdf Download (101kB)
	Text 123210172_ABSTRAK - Candy Ristyan Arda Yudha M..pdf Download (139kB)
	Text 123210172_LEMBAR PENGESAHAN - Candy Ristyan Arda Yudha M..pdf Download (562kB)
	Text 123210172_DAFTAR ISI - Candy Ristyan Arda Yudha M..pdf Download (131kB)
	Text 123210172_DAFTAR PUSTAKA - Candy Ristyan Arda Yudha M..pdf Download (163kB)
	Text 123210172_Fulltext_Candy Ristyan Arda Yudha Mahesega_SEGMENTASI PEMBULUH DARAH RETINA MENGGUNAKAN ARSITEKTUR U-NET DENGAN MODUL ATENSI FILTER DOLPH-CHEBYSHEV - Candy Ristyan Arda Yudha M..pdf Restricted to Repository staff only Download (4MB)

Abstract

Segmentasi pembuluh darah retina merupakan salah satu tahap penting dalam analisis citra fundus karena struktur pembuluh darah dapat digunakan sebagai informasi pendukung dalam pengamatan kondisi retina. Namun, pembuluh darah retina memiliki bentuk tipis, bercabang, dan berorientasi beragam, sehingga proses segmentasi masih menjadi tantangan bagi model berbasis deep learning. Arsitektur U-Net telah banyak digunakan untuk segmentasi citra medis karena mampu menggabungkan informasi encoder dan decoder melalui skip connection. Meskipun demikian, U-Net standar masih memiliki keterbatasan dalam mempertahankan kontinuitas pembuluh darah halus dan bercabang.
Penelitian ini mengembangkan model U-Net + DGEM, yaitu modifikasi arsitektur U-Net dengan penambahan modul atensi berbasis filter Dolph-Chebyshev pada skip connection pertama. Dataset yang digunakan adalah DRIVE yang terdiri atas citra fundus retina dan ground truth pembuluh darah. Tahapan penelitian meliputi pra-pemrosesan citra, ekstraksi patch berukuran 48 x 48 piksel, pelatihan baseline U-Net dan U-Net + DGEM, pengujian pada data test, rekonstruksi hasil segmentasi, serta evaluasi performa. Evaluasi dilakukan menggunakan metrik segmentasi, yaitu AUC ROC, PR AUC, Accuracy, Sensitivity, Specificity, Precision, Dice, dan Jaccard, serta metrik geometris Connectivity, Area, dan Length.
Hasil pengujian menunjukkan bahwa U-Net + DGEM memberikan peningkatan pada sebagian besar metrik dibandingkan baseline U-Net. Peningkatan terlihat pada metrik AUC ROC, PR AUC, Accuracy, Sensitivity, Dice, Jaccard, serta metrik geometris Connectivity, Area, dan Length. Secara khusus, Sensitivity meningkat dari 0,829817 menjadi 0,835728, sedangkan skor gabungan C x A x L meningkat dari 0,834837 menjadi 0,844538. Namun, Precision dan Specificity mengalami sedikit penurunan, yang menunjukkan adanya trade-off antara peningkatan kemampuan deteksi pembuluh darah dan bertambahnya false positive. Secara keseluruhan, integrasi DGEM berbasis filter Dolph-Chebyshev pada U-Net mampu meningkatkan kemampuan model dalam mendeteksi dan mempertahankan struktur pembuluh darah retina.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Kata Kunci: Segmentasi pembuluh darah retina, U-Net, Dolph-Chebyshev, DGEM, DRIVE
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	12 Nov 2026 06:53
Last Modified:	12 Nov 2026 06:53
URI:	http://eprints.upnyk.ac.id/id/eprint/50403

Actions (login required)

View Item