DETEKSI DINI KATARAK BERBASIS CITRA MATA MENGGUNAKAN METODE DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK (CNN)
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 2882-2891
DOI: 10.36341/rabit.v11i2.7914 ↗Kurz gefasst
Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Anindya Novia Ramadani und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Katarak merupakan salah satu penyebab utama gangguan penglihatan yang membutuhkan deteksi dini untuk mencegah kondisi yang lebih parah. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra mata berbasis Convolutional Neural Network (CNN) dengan arsitektur EfficientNetB0 menggunakan pendekatan transfer learning dan progressive training strategy untuk membedakan citra mata normal dan katarak. Dataset yang digunakan berasal dari Kaggle yang terdiri dari dua kelas, yaitu citra mata normal dan katarak, kemudian melalui tahap preprocessing berupa resizing, normalisasi, dan augmentasi data. Dataset dibagi menjadi data training dan validasi dengan proporsi 80:20. Model dilatih dalam dua tahap, yaitu Stage 1 dengan seluruh layer EfficientNetB0 dibekukan dan Stage 2 dengan fine-tuning sebagian layer untuk meningkatkan performa. Hasil pengujian menunjukkan bahwa model mencapai akurasi validasi sebesar 87,60% dengan nilai loss 0,3742. Evaluasi menggunakan precision, recall, dan F1-score menunjukkan bahwa model memiliki performa yang relatif seimbang, namun lebih baik dalam mengenali citra mata normal dibandingkan katarak. Hal ini ditunjukkan oleh nilai recall kelas normal yang lebih tinggi dibandingkan kelas katarak serta masih tingginya false negative pada kelas katarak. Kesimpulannya, model CNN berbasis EfficientNetB0 mampu melakukan klasifikasi citra mata katarak dan normal, namun masih memerlukan peningkatan lebih lanjut pada data, arsitektur, dan proses pelatihan agar menghasilkan performa yang lebih optimal untuk aplikasi deteksi dini berbasis medis.
Zitieren
APA
Ramadani, A. N., & Saputro, R. E. (2026). DETEKSI DINI KATARAK BERBASIS CITRA MATA MENGGUNAKAN METODE DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK (CNN). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 2882-2891. https://doi.org/10.36341/rabit.v11i2.7914
Vancouver
Ramadani AN, Saputro RE. DETEKSI DINI KATARAK BERBASIS CITRA MATA MENGGUNAKAN METODE DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK (CNN). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):2882-2891. doi:10.36341/rabit.v11i2.7914
BibTeX
@article{Ramadani2026,
author = {Ramadani, Anindya Novia and Saputro, Rujianto Eko},
title = {DETEKSI DINI KATARAK BERBASIS CITRA MATA MENGGUNAKAN METODE DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK (CNN)},
journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
year = {2026},
volume = {11},
number = {2},
pages = {2882--2891},
doi = {10.36341/rabit.v11i2.7914}
}
EUVIMED