KLASIFIKASI KATARAK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENTNETB5 PADA CITRA FUNDUS RETINA

Abstract

Katarak merupakan penyebab utama kebutaan yang masih banyak terlambat terdeteksi karena pemeriksaan manual membutuhkan keahlian dokter mata dan berpotensi menimbulkan subjektivitas. Pada banyak wilayah dengan keterbatasan tenaga medis, keterlambatan diagnosis menjadi tantangan besar yang berdampak pada meningkatnya risiko kebutaan. Untuk itu, dibutuhkan sistem deteksi otomatis berbasis kecerdasan buatan yang mampu memberikan hasil cepat dan akurat. Penelitian ini mengkaji permasalahan rendahnya akurasi dan kemampuan generalisasi model CNN konvensional dalam klasifikasi citra fundus. Sebagai solusi, penelitian ini menerapkan arsitektur EfficientNet-B5 yang dikenal memiliki efisiensi tinggi dan kemampuan ekstraksi fitur yang kuat melalui compound scaling. Dataset citra fundus diproses melalui tahapan preprocessing, augmentasi, pembagian data, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa EfficientNet-B5 memberikan performa yang sangat baik pada data validasi, dengan akurasi terbaik mencapai 96,26%, diikuti metrik precision 0.9720, recall 0.9541, specificity 0.9714, dan F1-score 0.9630. Confusion matrix juga menunjukkan bahwa sebagian besar citra berhasil diklasifikasikan dengan benar, menandakan kemampuan model dalam melakukan generalisasi pada data baru. Temuan ini memperlihatkan bahwa EfficientNet-B5 efektif digunakan sebagai model tunggal untuk klasifikasi katarak tanpa memerlukan metode interpretabilitas tambahan Urgensi penelitian ini terletak pada kebutuhan sistem deteksi katarak yang ringan, cepat, dan mudah diimplementasikan di berbagai fasilitas kesehatan. Inovasi penelitian ini adalah pemanfaatan EfficientNet-B5 sebagai model tunggal yang mampu meningkatkan stabilitas dan akurasi dibandingkan model CNN konvensional, meskipun tanpa teknik interpretabilitas tambahan. Tujuan penelitian ini adalah mengembangkan model klasifikasi katarak berbasis EfficientNet-B5 yang akurat dan dapat digunakan sebagai alat bantu skrining awal