Pengembangan Model Deteksi Lesi Diabetic Retinopathy pada Citra Fundus Mata Menggunakan YOLO dan Segmentasi Menggunakan U-Net

⭐ Agustino Hutahaean, Fernando (2026) Pengembangan Model Deteksi Lesi Diabetic Retinopathy pada Citra Fundus Mata Menggunakan YOLO dan Segmentasi Menggunakan U-Net. Bachelor Thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	Text BAB_I.pdf Download (97kB)
	Text BAB_II.pdf Download (1MB)
	Text BAB_III.pdf Restricted to Registered users only Download (766kB)
	Text BAB_IV.pdf Restricted to Registered users only Download (3MB)
	Text BAB_V.pdf Restricted to Registered users only Download (56kB)
	Text DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (328kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Diabetic Retinopathy (DR) adalah salah satu komplikasi diabetes yang dapat menyebabkan kebutaan permanen jika tidak terdeteksi sejak dini, sehingga diperlukan sistem otomatis yang dapat melakukan deteksi lesi pada citra fundus mata guna membantu proses analisis dan pembelajaran tentang penyakit DR. Pendekatan menggunakan model deteksi objek konvensional mampu mengidentifikasi keberadaan lesi, namun luaran berupa bounding box memiliki keterbatasan karena hanya memberikan lokalisasi spasial. Luaran tersebut tidak dapat merepresentasikan presisi bentuk dan luas area lesi secara morfologis, padahal informasi tingkat piksel ini sangat krusial dalam evaluasi klinis diabetic retinopathy. Oleh karena itu, penelitian ini mengembangkan metode gabungan dengan memanfaatkan algoritma YOLOv8m sebagai state- of-the-art untuk melokalisasi area lesi secara cepat dan tangkas, yang kemudian dilanjutkan dengan teknik segmentasi menggunakan arsitektur U- Net. Pendekatan ini ditujukan untuk memisahkan area patologis dari jaringan retina yang sehat pada tingkat piksel guna mengatasi kekurangan model deteksi tunggal. Penelitian ini bertujuan untuk pengembangan model hibrid berbasis deep learning untuk mendeteksi lokasi dan melakukan segmentasi area lesi DR pada citra fundus. Metode penelitian disusun berdasarkan tahapan CRISP-DM yang terdiri dari business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset yang digunakan adalah DDR, dengan fokus pada deteksi lesi dan segmentasi. Model YOLOv8m digunakan untuk mendeteksi lokasi lesi yang kemudian hasil deteksi digunakan sebagai Region of Interest (ROI) yang diproses oleh U-Net untuk menghasilkan segmentasi area lesi. Evaluasi dilakukan dengan membandingkan tiga pendekatan yaitu YOLO-only, U- Net-only tanpa ROI, dan pipeline hibrid YOLO+U-Net secara end-to-end pada data test. Hasil evaluasi menunjukkan bahwa YOLOv8m memperoleh [email protected] sebesar 0,128 dan [email protected]:0.95 sebesar 0,0469 pada data test. U-Net-only memperoleh rata-rata Dice sebesar 0,3515 dan IoU sebesar 0,2715, sedangkan pipeline hibrid memperoleh rata-rata Dice sebesar 0,5043 dan IoU sebesar 0,4305. Hasil tersebut menunjukkan bahwa penggunaan ROI dari YOLOv8m membantu U-Net menghasilkan segmentasi yang lebih baik dibandingkan segmentasi langsung pada citra penuh. Performa pipeline hibrid tetap dipengaruhi oleh keberhasilan YOLOv8m dalam mendeteksi ROI. Penelitian ini dibatasi pada dataset publik dan belum melalui validasi klinis oleh dokter mata sehingga sistem diposisikan sebagai alat bantu analisis citra fundus, bukan sebagai sistem diagnosis akhir.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Agustino Hutahaean, Fernando (00000062807)
Contributors:	Fernando, Erick
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:	10 Aug 2026 01:52
URI:	https://kc.umn.ac.id/id/eprint/47742

Actions (login required)

View Item