Sistem Pendeteksi Tingkat Keparahan Katarak Berdasarkan Citra Digital Menggunakan Metode UNet dan CNN

Pratama, Aimar Abimayu and Prof. Fitri Utaminingrum, Dr.Eng., S.T., M.T. (2024) Sistem Pendeteksi Tingkat Keparahan Katarak Berdasarkan Citra Digital Menggunakan Metode UNet dan CNN. Sarjana thesis, Universitas Brawijaya.

Abstract

Penyakit katarak merupakan salah satu gangguan penglihatan yang umum ditemui di seluruh dunia, termasuk juga di Indonesia. Katarak dapat disebabkan oleh berbagai faktor tetapi penyebab utama yang paling signifikan yaitu usia. Di seluruh dunia, katarak menjadi salah satu dari penyebab gangguan penglihatan dan kebutaan dan angkanya terus meningkat secara signifikan. Di Indonesia, katarak menjadi penyebab utama kebutaan. Diagnosis sedini mungkin merupakan usaha untuk memberi penanganan pertama dan mengurangi tingkat kebutaan karena katarak. Untuk melakukan diagnosis tersebut maka dibutuhkan slit lamp, namun alat ini memiliki bobot yang berat, harganya kurang terjangkau, dan juga memerlukan teknik khusus dalam penggunaannya. Hal itu menjadi tantangan pada wilayah pedesaan yang tergolong tertinggal, terdepan, dan terluar (3T). Oleh karena itu, diperlukan alat yang praktis, mudah dibawa, dan terjangkau dalam diagnosis katarak. Dalam penelitian ini, dikembangkan sistem untuk mendeteksi tingkat keparahan katarak dengan menggunakan metode UNet dan CNN. Metode UNet melakukan segmentasi area iris dan pupil pada citra mata, sementara metode CNN melakukan ekstraksi fitur dari citra digital yang sudah disegmentasi untuk dilakukan klasifikasi tingkat keparahan katarak. Citra digital yang digunakan diambil melalui kamera kecil yang terhubung ke komputer berukuran kecil, memastikan kemudahan penggunaan di berbagai lokasi. Sistem ini mampu mencapai akurasi senilai 65% dalam melakukan klasifikasi tingkat keparahan katarak dengan kelas normal, immature, dan mature menggunakan metode UNet dan CNN dengan lama waktu komputasi ratarata adalah 0.9554 detik.

English Abstract

be caused by various factors, with age being the most significant. Globally, cataracts are a major cause of visual impairment and blindness and the rate continues to increase significantly. In Indonesia, cataracts are a leading cause of blindness. Early diagnosis is crucial for providing timely intervention and reducing blindness due to cataracts. A slit lamp is required to perform this diagnosis, but it is heavy, expensive, and requires specialized techniques, posing challenges in rural and underdeveloped, frontier and outermost areas (3T). This research aims to develop a practical and affordable system for cataract severity detection using UNet and CNN methods. The UNet method is employed for iris and pupil area segmentation in eye images, while the CNN method extracts feature from segmented eye digital images for cataract severity classification. Digital images are captured using a small camera connected to a compact computer, ensuring ease of use in various locations. The developed system achieves a classification accuracy of 65% for cataract severity levels, including normal, immature, and mature classes using the UNet and CNN methods with an average computation time of 0.9554 seconds.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150159
Uncontrolled Keywords:	Katarak, Sistem Deteksi, UNet, CNN, Tingkat Keparahan Katarak, Citra Digital-Cataract, Detection System, UNet, CNN, Cataract Severity, Digital Images
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	27 Feb 2024 04:21
Last Modified:	27 Feb 2024 04:21
URI:	http://repository.ub.ac.id/id/eprint/216008

Text (DALAM MASA EMBARGO) Aimar Abimayu Pratama.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item