Glaukoma merupakan penyakit mata yang disebabkan oleh peningkatan
tekanan intraokular. Tekanan ini menyebabkan rusaknya saraf optik sehingga
terjadi penurunan kemampuan penglihatan atau bahkan kebutaan. Di Indonesia
51.4% kasus glaukoma baru diperiksakan pada kondisi lanjut, yaitu ketika sudah
terdapat kerusakan signifikan pada mata atau bahkan ketika penglihatan sudah
sangat berkurang. Oleh karena itu, glaukoma harus dideteksi sedini mungkin agar
pasien mendapatkan penanganan dini. Deteksi dengan bantuan komputer akan
sangat membantu proses deteksi glaukoma. Saat ini, terdapat banyak
pengembangan metode deteksi glaukoma otomatis, salah satunya adalah
pendekatan kuantifikasi karakteristik optic disc dan optic cup seperti cup to disc
ratio dan rim to disc ratio menggunakan proses segmentasi semantik optic disc dan
optic cup. Pada penelitian sebelumnya, Almustofa (2021) telah mengembangkan
metode deteksi glaukoma berdasarkan kuantifikasi karakteristik optic disc dan optic
cup. Namun, penelitian ini baru diujikan pada dataset Drishti-GS dan Refuge
Training Set. Pada penelitian ini, metode yang dikembangkan sebelumnya akan
dioptimasi dengan menambahkan dataset baru yaitu keseluruhan dataset Refuge.
Optimasi dari metode ini menghasilkan kinerja lokalisasi dengan proporsi optic disc
100.00 ± 0.00% pada dataset Drishti-GS dan 99.83 ± 3.95% pada dataset Refuge.
Segmentasi optic disc mencapai fscore sebesar 0.979 ± 0.005 pada data Drishti-GS
dan fscore 0.942 ± 0.026 pada data Refuge. Segmentasi optic cup mencapai fscore
sebesar 0.948 ± 0.020 pada dataset Drishti-GS dan fscore sebesar 0.843 ± 0.068
pada dataset Refuge. Kemudian akurasi, spesifisitas, dan sensitivitas klasifikasi
glaukoma sebesar 0.880, 0.667, dan 1.000 pada dataset Drishti-GS. Lalu akurasi,
spesifisitas, dan sensitivitas klasifikasi glaukoma sebesar 0.955, 0.981, dan 0.725
pada dataset Refuge.