Aisa Umairah Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2024

Skripsi

Katarak merupakan salah satu penyakit yang bisa membuat kebutaan pada mata. Katarak dipengaruhi oleh tingginya cairan yang masuk kedalam lensa mata akibat adanya cairan denaturasi protein pada lensa. Katarak mengakibatkan penurunan produktivitas, mobilitas dan kualitas hidup penderita. Saat ini, proses diagnosis katarak masih dilakukan dalam bentuk visual oleh dokter, akibat dari keterbatasan teknologi pada akurasi dan dalam bentuk visual tidak memberikan gambaran lengkap tentang kondisi katarak terhadap kesehatan mata dan membutuhkan waktu yang lama. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model deep learning dalam mendeteksi penyakit katarak. Dengan menerapkan deep learning pada bidang kesehatan mata akan memudahkan diagnosis dokter dalam mendeteksi mata katarak dan mengurangi waktu diagnosis. Penelitian ini menggunakan dataset yang berjumlah 2000 citra yang terdiri dua kelas yaitu mata katarak dan normal. Model ini menggunakan dua arsitektur, yaitu DenseNet-121 dan ResNet-101. Hasil pengujian menunjukkan bahwa model yang dibangun memiliki performa yang baik dalam mendeteksi penyakit katarak menggunakan metode Convolution Neural Network. Pada arsitektur DenseNet-121 dengan learning rate 10-5 menghasilkan akurasi sebesar 97,25%, sedangkan ResNet-101 menghasilkan akurasi sebesar 97,50%. ResNet-101 terbukti menghasilkan akurasi yang lebih tinggi dibandingkan DenseNet-121. Hal ini dikarenakan ResNet-101 memiliki arsitektur yang lebih dalam dan kompleks, sehingga mampu mengekstraksi fitur dengan lebih baik. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 123567 2024-06-12 09:58:52 2024-06-12 10:03:41 machine generated