KUSUMA, HENDRA IRAWAN WIJAYA (2025) DETEKSI DIABETIC RETINOPATHY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS EFFICIENTNET DAN GRAD-CAM PADA CITRA FUNDUS RETINA. Undergraduate thesis, Universitas Islam Sultan Agung.

[thumbnail of Teknik Informatika_32602100049_fullpdf.pdf] Text
Teknik Informatika_32602100049_fullpdf.pdf
| Download (3MB)
[thumbnail of Teknik Informatika_32602100049_pernyataan_publikasi.pdf] Text
Teknik Informatika_32602100049_pernyataan_publikasi.pdf
Restricted to Registered users only
| Download (145kB)

Abstract

Retinopati diabetik merupakan salah satu komplikasi utama diabetes yang dapat menyebabkan kebutaan permanen apabila tidak dideteksi sejak dini. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis retinopati diabetik menggunakan algoritma Convolutional Neural Network (CNN) berbasis arsitektur EfficientNet dan visualisasi Grad-CAM pada citra fundus retina. Dataset yang digunakan adalah APTOS 2019 Blindness Detection dengan lima tingkat klasifikasi keparahan retinopati. Tahapan penelitian meliputi preprocessing data, augmentasi citra, pelatihan model dengan transfer learning pada EfficientNet, evaluasi model melalui confusion matrix dan classification report, serta deployment menggunakan aplikasi Streamlit. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 96%. Performa terbaik ditunjukkan pada kelas normal (kelas 0) dan kelas berat (kelas 3–4) dengan tingkat kesalahan prediksi yang sangat rendah. Integrasi Grad-CAM memberikan visualisasi heatmap yang menyoroti area penting pada retina, sehingga meningkatkan interpretabilitas hasil prediksi.
Kata Kunci: CNN, EfficientNet, Fundus Retina, Grad-CAM , Retinopati Diabetik.

Dosen Pembimbing: Poetro, Bagus Satrio Waluyo | UNSPECIFIED
Item Type: Thesis (Undergraduate)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 4 UNISSULA
Date Deposited: 18 Nov 2025 06:07
URI: https://repository.unissula.ac.id/id/eprint/42084

Actions (login required)

View Item View Item