Pendekatan Transfer Learning untuk Klasifikasi Penyakit Mata Menggunakan Citra dengan CNN InceptionV3
Abstrak
Penyakit mata merupakan salah satu penyebab utama gangguan penglihatan dan kebutaan di seluruh dunia. Untuk itu, deteksi penyakit mata sangat penting dalam upaya pencegahan kebutaan. Penelitian ini mengembangkan model klasifikasi penyakit mata berbasis Convolutional Neural Network (CNN) menggunakan Transfer Learning dengan InceptionV3. Dataset yang digunakan terdiri dari 1559 gambar, terbagi menjadi 1249 gambar pelatihan dan 310 gambar validasi, dengan 8 kelas penyakit mata. Model dilatih menggunakan 40 epoch dengan Adam optimizer. Hasil evaluasi menunjukkan akurasi validasi 81,29%. Meskipun performa model baik, beberapa kelas, seperti hordeolum, menunjukkan akurasi yang lebih rendah, yang memerlukan perbaikan lebih lanjut. Penelitian ini membuktikan bahwa Transfer Learning dengan InceptionV3 efektif untuk klasifikasi penyakit mata.
Identifier
- DOI: https://doi.org/10.37859/coscitech.v6i1.8509
- OpenAlex: https://openalex.org/W4411772049

