18319026 Ines Siti Sarah.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Mikroaneurisma (MA), yaitu pembengkakan pada pembuluh darah yang terlihat
pada fundus, adalah salah satu penanda untuk deteksi awal diabetic retinopathy
(DR), sebuah komplikasi dari penyakit diabetes yang menyebabkan penurunan
kemampuan visual pasien. Pada penelitian sebelumnya untuk deteksi MA pada
dataset IDRiD (Ramadiastri, 2022), dibuat sebuah model deteksi MA dengan model
U-Net multiresolusi, dengan metode post-processing hard voting majoritas oleh 3
resolusi (640x640 px, 960x960 px, dan 1280x1280 px). Ditemukan bahwa nilai
presisi dari metode segmentasi tersebut masih kurang baik. Tujuan utama dari
penelitian ini adalah untuk mendesain sebuah metode post-processing baru untuk
memperbaiki nilai presisi dan F-score dari penelitian Ramadiastri (2022). Terdapat
tiga metode post-processing berbasis klasifikasi fitur MA dengan Random Forest
Classifier yang dikembangkan dalam penelitian ini. Metode A dan B masing-
masing melakukan klasifikasi fitur MA satu tingkat sebelum dan sesudah hard-
voting 3 resolusi, sementara metode C melakukan klasifikasi fitur MA dengan
classifier 2 tingkat sesudah hard voting 3 resolusi. Metode A, B, dan C berturut-
turut memberikan pengurangan False Positive (FP) sebanyak 70.83%, 68.193%,
dan 43.35% persen, namun mengurangi True Positive (TP) sebanyak 21.580%,
18.989%, dan 5.972% sekaligus menambahkan False Negative (FN) sebanyak
39.014%, 34.497%, dan 13.450%. Metode C dinilai memberikan trade-off terbaik
dengan presisi, recall, dan F-score berturut-turut sebesar 0.458±0.033,
0.574±0.032, dan 0.509±0.028. Nilai fitur bentuk (major axis length, minor axis
length, area) cenderung tumbuh membesar hingga mencapai signifikansi statistik
jika ditinjau antara kelompok True Negative (TN) dan FN maupun antara kelompok
FN dan TP. Klasifikasi dua tingkat berhasil mengembalikkan FN menjadi TN, yang
ditunjukkan oleh penurunan nilai mutlak terbesar Rank Biserial Correlation (RBC)
dan Common Language Effect Size (CLES) dari 0.771 dan 0.885 (Metode B)
menjadi 0.438 dan 0.719 (Metode C).