Deteksi Penyakit Mata Pada Citra Menggunakan Metode Convolutional Neural Network Arsitektur Efficientnetb3
Keywords:
deteksi penyakit mata; convolutional neural network;efficientnetb3Abstract
Penyakit mata seperti katarak, glaukoma, retinopati diabetik, dan konjungtivitis dapat menyebabkan gangguan penglihatan atau bahkan kebutaan jika tidak terdeteksi lebih awal. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis untuk penyakit mata menggunakan data gambar dan Convolutional Neural Network (CNN) dengan arsitektur EfficientNetB3. Dataset terdiri dari gambar mata yang telah melalui pra-pemrosesan dan augmentasi untuk meningkatkan kinerja model. Sistem ini dirancang untuk mengklasifikasikan gambar ke dalam empat kategori penyakit dan telah menunjukkan tingkat akurasi yang relatif tinggi, Hasil penelitian menghasilkan akurasi yang cukup tinggi yaitu 98% di 4 jenis penyakit mata yang menandakan bahwa model yang digunakan pada penelitian sangat akurat untuk memprediksi 4 jenis penyakit mata dan arsitektur EfficientNetB3 efektif dalam mendeteksi penyakit mata dari gambar dan memiliki potensi untuk digunakan sebagai alat pendukung diagnostik dini di bidang oftalmologi.Downloads
References
[1] I. Dewa, A. Pradnya, P. Tentriajaya, G. Ngurah, and L. Wijayakusuma, “Eye Disease Classification Using EfficientNet-B0 Based on Transfer Learning,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[2] D. Marcella, Y. Yohannes, and S. Devella, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network Dengan Arsitektur VGG-19,” Jurnal Algoritme, vol. 3, no. 1, pp. 60–70, Oct. 2022, doi: 10.35957/algoritme.v3i1.3331.
[3] F. Nurona Cahya et al., “SISTEMASI: Jurnal Sistem Informasi Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN).” [Online]. Available: http://sistemasi.ftik.unisi.ac.id
[4] An Nisa U Nur Hamidah, Putri Aulia Kusuma Ningrum, Sri Wahyuni, Zahra Amelia, and Liss Dyah Dewi A, “Pengaruh Diabetes Melitus Terhadap Ketajaman Penglihatan Penyakit Katarak,” Intellektika : Jurnal Ilmiah Mahasiswa, vol. 2, no. 3, pp. 49–60, May 2024, doi: 10.59841/intellektika.v2i3.1248.
[5] R. Putri Dewi, P. Ristyaning Ayu Sangging, R. Himayani, M. Klinis, and dan Tatalaksana, “Konjungtivitis: Etiologi, Klasifikasi, Manifestasi Klinis, Komplikasi, dan Tatalaksana.”
[6] K. A. Saputra et al., “Multi-Disease Retinal Classification Using EfficientNet-B3 and Targeted Albumentations: A Benchmark on Kaggle Retinal Fundus Images Dataset,” sinkron, vol. 10, no. 1, pp. 232–241, Jan. 2026, doi: 10.33395/sinkron.v10i1.15530.
[7] T. Medika Jurnal Kedokteran et al., “Angka Kejadian dan Karakteristik Pasien Katarak di Poliklinik Mata RSUD Waled Kabupaten Cirebon 2022.” [Online]. Available: http://journal.ugj.ac.id/index.php/tumed
[8] R. Indraswari, W. Herulambang, and R. Rokhana, “Deteksi Penyakit Mata Pada Citra Fundus Menggunakan Convolutional Neural Network (CNN) Ocular Disease Detection on Fundus Images Using Convolutional Neural Network (CNN).” [Online]. Available: https://www.kaggle.com/datasets/jr2ngb/cataractdataset
[9] Y. Mahadika, A. Fadhillah, M. Agustina, and M. Hafiz, “Klasifikasi Penyakit Mata Dengan Model Machine Learning Berbasis SVM,” JRIIN : Jurnal Riset Informatika dan Inovasi, vol. 2, no. 7, 2024, [Online]. Available: https://jurnalmahasiswa.com/index.php/jriin
[10] A. Vania, P. Ardana, D. P. Rini, M. Kom, and M. N. Rachmatullah, “Sistem Deteksi Penyakit Mata Katarak Dengan Menggunakan Convolutional Neural Network (CNN).”
[11] D. Hananta Firdaus, B. Imran, L. Darmawan Bakti, and E. Suryadi, “Klasifikasi Penyakit Katarak Pada Mata Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Web,” 2022.
[12] P. Purwanita et al., “Upaya meningkatkan kesadaran masyarakat dalam menjaga kesehatan mata di masa pandemi Covid-19,” vol. 2, no. 2, 2021, doi: 10.32539/Hummed.V2I2.58.
[13] F. Ramadhani, A. Satria, and S. Salamah, “Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penyakit pada Mata Katarak,” sudo Jurnal Teknik Informatika, vol. 2, no. 4, pp. 167–175, Dec. 2023, doi: 10.56211/sudo.v2i4.408.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
