Sistemasi: Jurnal Sistem Informasi
Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi

Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN)

Fani Nurona Cahya (Unknown)
Nila Hardi (STMIK NUSA MANDIRI)
Dwiza Riana (STMIK NUSA MANDIRI)
sri hadiyanti (STMIK NUSA MANDIRI)



Article Info

Publish Date
30 Sep 2021

Abstract

AbstrakGangguan pada mata atau disebut juga penyakit mata adalah suatu kondisi yang mampu mempengaruhi jangka waktu hidup bagi sebagian orang. Gangguan mata atau penyakit mata banyak sekali jenisnya, diantaranya yaitu katarak, glaukoma dan retina disease. Gangguan atau penyakit mata tersebut merupakan penyebab kebutaan yang paling sering terjadi. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit mata atau kelaianan sebelum terjadi kebutaan. Penelitian  ini bertujuan untuk klasifikasi penyakit mata menggunakan Convolutional Neural Network (CNN) berarsitekstur Alexnet dengan pembaruan berupa menggunakan 4 kelas yang membutuhkan 3 tahap proses yaitu melakukan tahap pre-processing yang menghasilkan ukuran citra menjadi 224x224px. Tahap selanjutnya adalah ekstraksi fitur dengan 3 layer yaitu Convutional Layer, Pooling Layer, Fully Connected Layer, Pada implementasi CNN menggunakan 150 epoch. Hasil akurasi dari penelitian klasifikasi penyakit mata menggunakan  metode CNN adalah 98.37%.Kata kunci: penyakit mata, klasifikasi, convolutional neural network (CNN) AbstractAn eye disorder, also called a disease of the eye, is a condition that can affect the lifespan of some people. Eye disorders or diseases of which there are many types, including kataraks, glaukoma and retina disease. This eye disorder or disease is the most common cause of blindness. Seeing from the description. It is very important to detect eye disease or negligence before blindness occurs This study aims to classify eye diseases using the Alexnet textured Convolutional Neural Network (CNN) with an update in the form of using 4 classes that require 3 stages of the process, namely conducting ahap pre-processing which results in an image size of 224x224px. The next stage is Feature Extraction with 3 layers, namely Convutional Layer, Pooling Layer, Fully Connected Layer, the implementation of the Convolutional Neural Network implementation uses 150 epochs. The accuracy of the eye disease classification study using the Convolutional Neural Network method was 98.37%.Keywords: eye disease, classification, convolutional neural network (CNN).

Copyrights © 2021






Journal Info

Abbrev

stmsi

Publisher

Subject

Computer Science & IT Electrical & Electronics Engineering

Description

Sistemasi adalah nama terbitan jurnal ilmiah dalam bidang ilmu sains komputer program studi Sistem Informasi Universitas Islam Indragiri, Tembilahan Riau. Jurnal Sistemasi Terbit 3x setahun yaitu bulan Januari, Mei dan September,Focus dan Scope Umum dari Sistemasi yaitu Bidang Sistem Informasi, ...