ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulANALISIS PERFORMA METODE TRANSFER LEARNING DALAM DETEKSI KATARAK DENGAN MENGGUNAKAN MOBILENETV2 DAN RESNET50V2 |
| Nama: NURI IMAN SARI |
| Tahun: 2026 |
| Abstrak NURI IMAN SARI. Analisis Performa Metode Transfer Learning dalam Deteksi Katarak dengan Menggunakan MobileNetV2 dan ResNet50V2, dibimbing oleh IR. NOUVAL TREZANDY LAPATA S.KOM., M.KOM. Mata salah satu panca indera terpenting bagi manusia yang berfungsi untuk menangkap cahaya melalui lensa dan meneruskannya ke retina untuk diubah menjadi sinyal visual. Apabila terjadi gangguan penglihatan seperti katarak, maka kualitas hidup seseorang dapat menurun hingga menghambat kemampuan dalam melakukan pekerjaan yang membutuhkan ketelitian visual. Katarak merupakan kondisi yang ditandai dengan penurunan fungsi penglihatan akibat kekeruhan pada lensa mata. Katarak masih menjadi penyebab utama kebutaan di Indonesia maupun dunia. Proses diagnosis konvensional yang bergantung pada pemeriksaan langsung tenaga medis belum mampu menjangkau wilayah dengan keterbatasan fasilitas. Penelitian ini memanfaatkan teknologi deep learning untuk mendeteksi katarak melalui analisis citra mata secara otomatis. Dua arsitektur Convolutional Neural Network, yakni MobileNetV2 dan ResNet50V2, dibandingkan menggunakan pendekatan transfer learning dengan tiga rasio pembagian data (80:20, 70:30, dan 60:40) serta evaluasi k-fold cross-validation untuk memvalidasi konsistensi performa model pada berbagai pembagian data pelatihan dan validasi. Hasil menunjukkan bahwa ResNet50V2 pada rasio 80:20 (fold ke-4) menghasilkan akurasi validasi tertinggi sebesar 99,66?n binary cross-entropy loss 4,33%, meskipun membutuhkan waktu pelatihan lebih lama dibandingkan MobileNetV2. Model terbaik diimplementasikan dalam sistem CataractEye, aplikasi berbasis web untuk deteksi katarak otomatis. Penelitian ini membuktikan bahwa transfer learning dengan arsitektur ResNet50V2 efektif dalam mendeteksi katarak berbasis citra mata dengan akurasi tinggi dan efisiensi komputasi yang baik. Kata kunci: Katarak, Deep Learning, Transfer Learning, ResNet50V2, MobileNetV2. |