Perpustakaan Digital ITB

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).