Deteksi Retinopati Diabetik Berbasis Vision Transformer dengan Penerapan Web untuk Mendukung Keputusan Klinis

Richardy Kurniawan, Adrian (2025) Deteksi Retinopati Diabetik Berbasis Vision Transformer dengan Penerapan Web untuk Mendukung Keputusan Klinis. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (508kB)
	PDF ARTIKEL.pdf Download (299kB)
	PDF TURNITIN.pdf Download (721kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (395kB)
	PDF LETTER_OF_ACCEPTANCE.pdf Download (250kB)

Abstract

Retinopati diabetik (DR) adalah komplikasi serius dari diabetes melitus yang dapat menyebabkan kehilangan penglihatan jika tidak didiagnosis sejak dini. Metode deteksi DR tradisional mengandalkan interpretasi ahli terhadap citra fundus retina, yang memakan waktu dan rentan terhadap kesalahan manusia. Penelitian ini mengusulkan sistem deteksi DR otomatis berbasis web yang memanfaatkan model Data-Efficient Image Transformer (DeiT). Sistem ini mengklasifikasikan citra fundus retina ke dalam lima tingkat keparahan DR: No DR, Mild, Moderate, Severe, dan Proliferative DR. Model ini dilatih menggunakan dataset APTOS2019, yang diperkaya dengan teknik augmentasi data untuk meningkatkan kinerja klasifikasi. Pendekatan yang diusulkan mencapai akurasi sebesar 89,60% pada dataset uji, menunjukkan efektivitasnya dalam klasifikasi DR. Sistem ini diintegrasikan ke dalam platform berbasis web, memungkinkan pemrosesan citra secara real-time dan akses yang mudah digunakan baik bagi pasien maupun profesional kesehatan. Penelitian ini berkontribusi pada pengembangan sistem deteksi DR otomatis yang mudah diakses untuk memfasilitasi diagnosis dan penanganan dini.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	deep learning, data-efficient image transformer, klasifikasi gambar medis, sistem web, retinopati diabetik
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Jul 2025 11:23
Last Modified:	05 Jul 2025 11:23
URI:	https://kc.umn.ac.id/id/eprint/37782

Actions (login required)

View Item