DETEKSI DINI PENYAKIT KATARAK PADA MATA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Abstrak
Mata adalah organ vital dalam manusia yang berfungsi sebagai organ penglihatan. Satu hal yang sangat penting
untuk dipertimbangkan adalah masalah kebutaan. Katarak memiliki dampak signifikan terhadap kualitas hidup
penderita dan dapat berkontribusi pada peningkatan kemiskinan di Indonesia. Menurut data dari World Health
Organization Dunia (WHO), katarak menyumbang sekitar 48% kasus kebutaan global dengan prevalensi tinggi di
Indonesia. Karena mata normal sulit dikenali dari mata penderita katarak, penderita sering kali tidak mengenali
adanya katarak. Oleh karena itu, sangat penting untuk mengidentifikasi katarak yang baru saja terjadi gangguan
penglihatan. Dengan kemajuan teknologi, bukti dan klasifikasi katarak yang dapat dikenali menjadi lebih mudah
berkat persiapan gambar yang canggih. Dalam penelitian ini, penulis menggunakan metode convolutional neural
network (CNN) untuk membuat aplikasi yang menginstruksikan machine learning dalam membedakan mata
normal dan mata katarak. Dataset yang digunakan merupakan gambar dari kaggle dengan dua citra digital yaitu
mata normal dan mata katarak. Pekerjaan pembelajaran mesin epoch 1, epoch 10, dan epoch 30. epoch 1
menghasilkan hasil dengan ketepatan akurasi sebesar 52%, epoch 10 menghasilkan hasil dengan akurasi 84% dan
epoch 30 menghasilkan presisi tertinggi sebesar 87%. Munculnya pengujian visual menggunakan strategi CNN
bisa sangat efektif dalam memprediksi mata katarak.