Diagnosa Penderita Katarak pada Citra Mata dengan Metode Hybrid CNN-SVM

Filemon Siregar, Fritz (2025) Diagnosa Penderita Katarak pada Citra Mata dengan Metode Hybrid CNN-SVM. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (870kB)
	PDF BAB_II.pdf Download (2MB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_V.pdf Download (487kB)
	PDF DAFTAR_PUSTAKA.pdf Download (878kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (530kB)

Abstract

Katarak merupakan penyebab kebutaan terbanyak di dunia dan dapat dicegah melalui deteksi dini. Diagnosa berbasis citra mata menjadi solusi potensial dalam mempercepat proses identifikasi katarak secara otomatis. Penelitian terdahulu menunjukkan bahwa metode hybrid Convolutional Neural Network atau CNN dan Support Vector Machine atau SVM memberikan hasil klasifikasi yang akurat pada citra medis. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang dan menguji model hybrid CNN-SVM guna mendiagnosis penderita katarak menggunakan citra mata. Model CNN menggunakan arsitektur MobileNetV2 sebagai feature extraction, sedangkan SVM digunakan sebagai algoritma klasifikasi. Dataset yang digunakan terdiri dari 363 gambar citra mata yang terbagi ke dalam tiga kelas yaitu Katarak sejumlah 55 gambar, Normal sejumlah 206 gambar, dan Others sebanyak 102 gambar. Untuk meningkatkan akurasi dan mengatasi ketidakseimbangan kelas, diterapkan metode Synthetic Minority Oversampling Technique atau SMOTE. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Selain itu, pengujian juga dilakukan melalui aplikasi berbasis Streamlit untuk mengukur performa sistem pada penggunaan langsung. Hasil evaluasi menunjukkan bahwa model CNN-SVM mampu mencapai akurasi sebesar 98,61%, dengan performa klasifikasi yang sangat baik di ketiga kelas. Sistem ini dapat mengenali citra mata secara otomatis dan akurat, serta memiliki potensi besar untuk diterapkan sebagai alat bantu diagnosa katarak. Penelitian ini membuktikan bahwa metode hybrid CNN-SVM merupakan pendekatan yang efektif, efisien, dan layak untuk dikembangkan lebih lanjut dalam sistem kesehatan berbasis teknologi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Filemon Siregar, Fritz (00000060211)
Contributors:	Natalia, Friska
Keywords:	CNN, Katarak, Klasifikasi Gambar, SVM
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 11:04
URI:	https://kc.umn.ac.id/id/eprint/40354

Actions (login required)

View Item