PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI FUNDUS

Abstract

Pada artikel ini membahas tentang perbandingan arsitektur Convolutional Neural Network (CNN) untuk klasifikasi citra fundus. Arsitektur CNN yang diujicobakan yaitu AlexNet, Visual Geometry Group (VGG) 16, VGG19, Residual Network (ResNet) 50, ResNet101, GoogleNet, Inception-V3, InceptionResNetV2 dan Squeezenet. Citra ujicoba menggunakan fundus retina utnuk mengklasifikasi 2 kelas yaitu normal dan neovaskularisasi. Citra dilakukan preprosesing yaitu dengan membaginya menjadi 16 bagian yang sama. Skenario ujicoba menggunakan 2 tahap yaitu, pertama, menggunakan CNN tanpa optimasi tambahan, kedua, CNN menggunakan optimasi Gradient Descent. Hasil ujicoba pada kedua skenario menunjukkan arsitektur terbaik yaitu VGG19 dan VGG16. Ujicoba tahap pertama menghasilkan sensitivitas, spesifisitas dan akurasi yaitu 87,8%, 90,7% dan 89,3%. Untuk ujicoba tahap kedua sensitivitas, spesifisitas dan akurasi yaitu 94,2%, 90,4% dan 92,31%.