Abstrak
PUBLIC karya
COVER Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 1 Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 2 Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 3 Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 4 Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
BAB 5 Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
PUSTAKA Isca Amanda
Terbatas  karya
» Gedung UPT Perpustakaan
Terbatas  karya
» Gedung UPT Perpustakaan
Diabetic retinopathy (DR) merupakan komplikasi diabetes yang dapat menyebabkan kebutaan dengan gejala yang tidak dapat dirasakan di tahap dini atau nonproliferative diabetic retinopathy (NPDR). Identifikasi tingkat DR secara dini penting untuk dapat memberikan perawatan yang tepat, sementara jumlah penderita DR yang terus tumbuh membuat sulit untuk mengimbangi kebutuhan deteksi dini dengan metode diagnosis manual. Pada tugas akhir ini, dilakukan pengembangan algoritma untuk melakukan deteksi NPDR dan implementasinya pada aplikasi Android. Digunakan deep neural network dan metode transfer learning pada citra fundus untuk melatih model klasifikasi otomatis. Pengembangan dilakukan dengan dataset Messidor (4 kelas) dan Messidor-2 (2 kelas), pre-processing citra, network InceptionV3 dan MobileNetV1, konfigurasi pembagian data uji-data latih, optimizer, dan learning rate. Diperoleh akurasi klasifikasi sebesar 86% dengan InceptionV3 dan dataset Messidor-2. Model ini berhasil dimplementasikan pada aplikasi Android dan memberikan akurasi, sensitivitas, dan spesifisitas sebesar 88%, 80%, dan 76% secara berurutan.