Klasifikasi Tingkat Keparahan Penyakit Diabetes Retinopati Berdasarkan Foto Fundus Dengan Metode Deep Learning

Jumlah penderita diabetes semakin meningkat di seluruh dunia, serta semakin sulit untuk mendiagnosa diabetes retinopati dari pasien. Diabetes retinopati (DR) merupakan komplikasi dari diabetes yang dapat menyebabkan kebutaan jika tidak terdeteksi secara dini. Tujuan dari penelitian ini adalah membuat model prediksi yang dapat mengklasifikasikan tingkat keparahan diabetes retinopati menjadi lima tahapan yakni No DR, Mild nonproliferative DR, Moderate nonproliferative DR, Severe nonproliferative DR dan Proliferative. Belakangan ini, banyak sistem klasifikasi tingkat keparahan diabetes retinopati yang dikembangkan dengan model deep learning. Walaupun ditemukan beberapa permasalahan seperti hasil klasifikasi pada kelas tertentu masih memiliki nilai akurasi yang kurang optimal, serta nilai akurasi keseluruhan yang masih dapat ditingkatkan. Dalam penelitian ini, eksperimen dilakukan dengan mengevaluasi dan menggabungkan model deep learning terbaru seperti EfficientNet, EfficientNetV2, LCNet, MobileNetV3, TinyNet, dan FBNetV3 menggunakan teknik ensemble stacking menggunaakn empat meta-learner berbeda yakni decision tree, logistic regression, ANN, dan SVM untuk memberikan akurasi yang lebih baik dalam mengklasifikasikan tingkat keparahan diabetes retinopati. Metode yang diusulkan penelitian ini memberikan hasil klasifikasi yang memuaskan dalam dataset APTOS2019 dengan masing-masing akurasi training, validasi, testing dan F1 score sebesar 96.63%, 95.53%, 84.17% dan 70.21%.