Implementing Convolutional Neural Network for Detecting Retinopathy Diabetic
| Main Authors: | Handono, Stevanus Frangky, Anggraeny , Fetty Tri, Rahmat, Basuki |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur
, 2020
|
| Online Access: |
http://jifosi.upnjatim.ac.id/index.php/jifosi/article/view/64 http://jifosi.upnjatim.ac.id/index.php/jifosi/article/view/64/90 |
Daftar Isi:
- Retina is a thin layer of cells located at rear of eyeball that has a function of capturing an image’s object seen by the eye and passing it on to visual nerve. Therefore the retina plays an important role in the vision process. One of diseases that often attacks the retina is Diabetic Retinopathy (RD). This disease is caused by diabetes mellitus and usually characterized by damage and blockage of retinal’s blood vessels. To detect this disease, it is usually necessary to do a manual observation on the retinal photo and take a long time to do so. This can be overcome by utilizing intelligent systems such as CNN that are able to extract features from an image and use it for further processing such as image classification, object detection, etc. This research uses CNN to classify between the retinal image indicated by RD and the image without disease. From testing of 90 images, obtained an accuracy of 58%, a specificity of 0.61, and a sensitivity of 0.44.
- Retina adalah selapis tipis sel yang terletak pada bagian belakang bola mata yang memiliki fungsi untuk menangkap bayangan obyek yang dilihat mata dan meneruskannya ke syaraf penglihatan. Oleh karena itu retina berperan penting dalam proses penglihatan. Salah satu penyakit yang kerap menyerang retina adalah Retinopati Diabetik (RD). Penyakit ini disebabkan oleh adanya Diabetes Melitus pada tubuh dan biasanya ditandai dengan adanya kerusakan dan sumbatan pembuluh darah retina. Untuk mendeteksi penyakit tersebut biasanya perlu dilakukan pengamatan manual pada foto retina dan memerlukan waktu relaitf lama untuk melakukannya. Hal tersebut dapat diatasi dengan memanfaatkan sistem cerdas seperti CNN yang mampu mengekstrak fitur dari sebuah citra dan menggunakannya untuk proses lebih lanjut seperti klasifikasi citra, deteksi objek, dsb. Peneletian ini menggunakan CNN untuk mengklasifikasi antara citra retina yang terindikasi RD dengan citra tanpa penyakit. Dari pengujian terhadap 90 citra, didapatkan akurasi sebesar 58%, spesifisitas sebesar 0,61, dan sensitivitas sebesar 0,44.