Perpustakaan Digital ITB
ABSTRAK
EKSPLORASI KINERJA ARSITEKTUR EFFICIENTNET DALAM
KLASIFIKASI RETINOPATI DIABETIK PADA MULTIDATASET
Oleh
NUR SEKTI WASKITHA JATI
NIM: 18318023
(Program Studi Sarjana Teknik Biomedis)
Retinopati diabetik merupakan salah satu komplikasi dari diabetes melitus yang dapat
menyebabkan kebutaan pada tingkat yang parah. Model klasifikasi otomatis bisa digunakan
untuk melakukan pendeteksian dini penyakit tersebut agar penderita bisa melakukan
pengobatan dini. Model ini bisa diaplikasikan di tempat yang masih kekurangan tenaga ahli
untuk melakukan diagnosis manual. Namun, data yang dimiliki setiap tempat tersebut pasti
memiliki karakteristik masing-masing. Sehingga strategi pelatihan yang dilakukan harus bisa
mengatasi masalah perbedaan karakteristik tersebut, seperti pada jumlah data yang kecil,
perbedaan kontras, perbedaan resolusi citra, dll. Pada penelitian ini dicari strategi optimal
untuk kombinasi beberapa dataset maupun untuk suatu dataset spesifik dengan karakteristik
tertentu. Penelitian ini menggunakan dataset APTOS, Messidor-2, dan IDRID dengan
arsitektur pelatihan EfficientNetB0. Pada sistem klasifikasi 5 kelas untuk kombinasi ketiga
dataset, strategi optimal yang didapatkan adalah melakukan transfer learning dengan bobot
awal hasil pelatihan APTOS. Setelah diberi preprocessing kontras, tuning hyperparameter,
dan optimasi resolusi, akurasi yang didapatkan sebesar 76,04% dan QWK sebesar 0,8873 dari
rata-rata 10 fold cross validation. Di samping itu, strategi yang digunakan untuk melatih per
dataset adalah transfer learning dengan bobot awal hasil pelatihan kombinasi 3 dataset
sebelumnya. Preprocessing kontras, tuning hyperparameter, dan optimasi resolusi juga
diterapkan sehingga pada rata-rata 10 fold cross validation APTOS dihasilkan akurasi
83,67% dan QWK 0,9252. Untuk Messidor-2 dihasilkan akurasi 72,60% dan QWK 0,8251.
Sementara pada IDRID dihasilkan akurasi 70,91% dan QWK sebesar 0,8775. Untuk
keperluan yang lebih aplikatif, diujikan juga hasil terbaik klasifikasi 5 kelas pada sistem
klasifikasi 2 kelas dengan akurasi yang didapatkan untuk kombinasi 3 dataset, APTOS,
Messidor-2, dan IDRID berturut-turut 92,87%; 93,97%; 92,43%; dan 93,20%. Sementara
QWK pada klasifikasi 2 kelas yang dihasilkan secara berturut-turut 0,8498; 0,8763; 0,7969;
dan 0,8581.
Kata kunci : Retinopati diabetik, APTOS, Messidor-2, IDRID, EfficientNetB0