digilib@itb.ac.id +62 812 2508 8800

ABSTRAK - NUR SEKTI WASKITHA JATI
PUBLIC Didin Syafruddin Asa, S.Sos

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