Implementasi Algoritma Xception pada Sistem Deteksi Katarak menggunakan Raspberry Pi Berbasis Citra Mata

Wulandari, Aryani and Rekyan Regasari Mardi Putri, S.T., M.T. and Agung Setia Budi, S.T., M.T., M.Eng., Ph.D. (2025) Implementasi Algoritma Xception pada Sistem Deteksi Katarak menggunakan Raspberry Pi Berbasis Citra Mata. Sarjana thesis, Universitas Brawijaya.

Abstract

Katarak merupakan salah satu penyebab kebutaan yang dapat dicegah namun masih menjadi masalah kesehatan global karena keterbatasan akses diagnosis, terutama di daerah terpencil. Penelitian ini mengembangkan sistem deteksi katarak portabel menggunakan Raspberry Pi dengan mengimplementasikan algoritma Xception untuk klasifikasi citra mata. Sistem dirancang menggunakan Raspberry Pi 3 Model B yang terintegrasi dengan webcam untuk pengambilan citra mata, serta menerapkan arsitektur Xception yang telah dimodifikasi untuk klasifikasi binary (katarak dan non-katarak). Pengembangan model menggunakan dataset yang terdiri dari 10.000 citra mata katarak dan non-katarak dengan rasio 80:20 untuk data training dan validation. Proses training dilakukan dengan teknik transfer learning dan fine-tuning menggunakan pre-trained weights dari ImageNet. Hasil evaluasi menunjukkan model Xception yang dilatih menggunakan 20 epoch menunjukkan epoch terbaik pada epoch ke-18 dengan validasi akurasi sebesar 0.9855 dan loss 0.0473, dengan nilai dengan nilai precision 0.9899, recall 0.98, dan F1-score 0.9849 untuk kelas katarak, serta precision 0.9802, recall 0.99, dan F1-score 0.9851 untuk kelas non-katarak. Implementasi model pada Raspberry Pi menghasilkan waktu inferensi rata-rata 3-8 detik per citra dengan penggunaan CPU berkisar antara 18-54.4%, serta penggunaan memori stabil antara 57-60%. Pengujian pada 20 citra mata baru yang belum pernah digunakan sebelumnya menunjukkan sistem dapat mendeteksi katarak dengan benar, meskipun dengan nilai kepercayaan yang bervariasi. Penelitian ini menghasilkan sistem deteksi katarak portabel yang dapat digunakan sebagai alat deteksi awal di fasilitas kesehatan dengan sumber daya terbatas.

English Abstract

Cataract is one of the preventable causes of blindness but is still a global health problem due to limited access to diagnosis, especially in remote areas. This research develops a portable cataract detection system using Raspberry Pi by implementing Xception algorithm for eye image classification. The system was designed using a Raspberry Pi 3 Model B integrated with a webcam for eye image capture, and implemented a modified Xception architecture for binary classification (cataract and non-cataract). The model development uses a dataset consisting of 10,000 cataract and non-cataract eye images with a ratio of 80:20 for training and validation data. The training process was performed using transfer learning and fine-tuning techniques using pre-trained weights from ImageNet The evaluation results show that the Xception model trained using 20 epochs shows the best epoch at the 18th epoch with validation accuracy of 0.9855 and loss 0.0473, with values of precision 0.9899, recall 0.98, and F1-score 0.9849 for cataract class, and precision 0.9802, recall 0.99, and F1-score 0.9851 for noncataract class. Implementation of the model on Raspberry Pi resulted in an average inference time of 3-8 seconds per image with CPU utilization ranging from 18- 54.4%, and stable memory utilization between 57-60%. Testing on 20 new eye images that have never been used before showed that the system can detect cataracts correctly, although with varying confidence values. This research resulted in a portable cataract detection system that can be used as an early detection tool in health facilities with limited resources.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	Fasilitas Kesehatan Terbatas, Katarak, Xception, Raspberry Pi, Akurasi, Penggunaan Sumber Daya
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	18 Feb 2025 07:42
Last Modified:	18 Feb 2025 07:42
URI:	http://repository.ub.ac.id/id/eprint/237043

Text (DALAM MASA EMBARGO) Aryani Wulandari.pdf Restricted to Registered users only Download (1MB)

Actions (login required)

View Item