DETEKSI DINI RETINOPATI DIABETIK MENGGUNAKAN SINGLE SHOT MULTIBOX DETECTOR MOBILENET PADA CITRA FUNDUS

Caroles, Matthew Maringka and Sitanayah, Lanny and Sumampouw, Michael Goerge (2025) DETEKSI DINI RETINOPATI DIABETIK MENGGUNAKAN SINGLE SHOT MULTIBOX DETECTOR MOBILENET PADA CITRA FUNDUS. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-DAFTAR_ISI_MatthewCaroles.pdf Download (255kB)
	PDF ABSTRAK_MatthewCaroles.pdf Download (99kB)
	PDF BAB_I-LAMPIRAN_MatthewCaroles.pdf Restricted to Repository staff only Download (2MB)

Official URL: https://repo.unikadelasalle.ac.id/

Abstract

Deteksi dini terhadap penyakit mata merupakan langkah penting untuk mencegah terjadinya komplikasi serius yang dapat menyebabkan gangguan penglihatan permanen. Salah satu penyakit mata yang berbahaya adalah retinopati diabetik, yaitu komplikasi akibat diabetes melitus yang menyerang pembuluh darah retina. Diagnosis manual oleh dokter spesialis membutuhkan waktu, tenaga ahli, dan alat yang tidak selalu tersedia di wilayah terpencil. Oleh karena itu, dibutuhkan sistem otomatis berbasis computer vision yang efisien dan dapat diakses secara luas.
Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi otomatis retinopati diabetik pada citra fundus menggunakan arsitektur Single Shot Multibox Detector (SSD) MobileNet. Sistem ini dirancang agar dapat mendeteksi tanda-tanda kelainan retina seperti mikroaneurisma dan pendarahan secara cepat dan akurat, sekaligus meningkatkan efisiensi proses skrining awal bagi tenaga medis. Model dilatih menggunakan 261 data citra fundus dan dilakukan pelatihan selama 60 epoch, kemudian dievaluasi berdasarkan metrik precision, recall, dan mean Average Precision (mAP).
Aplikasi mampu menampilkan citra fundus yang diunggah, memprediksi keberadaan retinopati, menampilkan confidence score, serta memberikan informasi terkait jenis kelainan yang terdeteksi. Evaluasi model setelah pelatihan selama 200 epoch menunjukkan nilai precision sebesar 49%, recall sebesar 57%, mAP50 sebesar 53,7%, dan mAP50–95 sebesar 25,7%. Hasil ini menunjukkan bahwa model memiliki kemampuan yang cukup baik dalam mengenali tanda-tanda retinopati diabetik pada citra fundus, meskipun ketepatan pelokalan bounding box pada berbagai ambang batas IoU masih dapat ditingkatkan.

Kata Kunci: Retinopati Diabetik, Citra Fundus, Deteksi Dini, Deep Learning, SSD MobileNet, Deteksi Objek, mAP, Computer Vision.

Item Type:

Thesis (Skripsi)

Creators: