Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network Dengan Arsitektur VGG-19
Dewi Marcella, Yohannes Yohannes, Siska Devella
Abstract
Penelitian ini mengangkat topik terkait dengan klasifikasi dengan menggunakan objek penyakit mata pada manusia. Penelitian ini menggunakan dua pilihan optimizer yaitu SGD dan Adagrad. Data yang digunakan sebanyak 601 citra yang terdiri dari 430 citra latih, 50 citra validasi, dan 121 citra uji dengan total 4 kelas. Metode yang digunakan pada penelitian ini adalah metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19, dengan input berupa citra yang telah melalui proses preprocessing yaitu resize dan metode CLAHE (Contrast Limited Adaptive Histogram Equalization) dari citra penyakit mata. Skenario pengujian terdiri dari 8 skenario dengan Optimizer dan ClipLimit yang berbeda-beda. Hasil pengujian tertinggi didapatkan pada skenario pertama yaitu dengan menggunakan optimizer Adagrad dan clipLimit sebesar 1,0 dengan nilai accuracy yang didapatkan sebesar 65,29%, precision sebesar 66,53%, recall sebesar 65,29%, dan f1-score sebesar 65,40%.