IMPLEMENTASI SISTEM KLASIFIKASI KATARAK PADA PUPIL MATA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Keywords:
Klasifikasi Katarak, Preprocessing Pupil, Convolutional Neural Network, Deep Learning, TensorFlow LiteAbstract
Katarak merupakan penyebab utama kebutaan global yang memerlukan solusi deteksi dini yang efisien, murah, dan mudah diakses. Tujuan Penelitian ini bertujuan mengembangkan sistem klasifikasi katarak end-to-end yang diimplementasikan pada perangkat mobile untuk skrining mandiri. Metode Pendekatan Deep Learning berbasis Convolutional Neural Network (CNN) diterapkan dengan membandingkan dua arsitektur CNN Kustom dan MobileNetV3Small. Proses diawali dengan pra-pemrosesan citra menggunakan teknik cropping ROI (Region of Interest) pupil otomatis melalui fungsi crop_pupil() yang mengintegrasikan Gaussian blur, thresholding, dan contour detection. Hasil Berdasarkan pengujian menggunakan dataset yang dibagi menjadi 80% data latih dan 20% data validasi, model CNN Kustom menunjukkan performa terbaik dengan akurasi 91,61% dan F1-score 91,59% pada epoch ke-33. Implementasi model ke dalam aplikasi berbasis Flutter menggunakan format TensorFlow Lite menghasilkan latensi inferensi rata-rata 50 ms per citra. Kesimpulan Penelitian ini membuktikan bahwa integrasi metode pra-pemrosesan pupil dan arsitektur CNN yang ringan efektif digunakan untuk deteksi katarak berbasis mobile dengan keseimbangan akurasi dan kecepatan yang optimal.
References
Z. Q. Ik, S. L. Lau, dan J. B. Chan, “Mobile cataract screening app using a smartphone,” 2015 IEEE Conf. e-Learning, e-Management e-Services, IC3e 2015, no. August, hal. 110–115, 2016, doi: 10.1109/IC3e.2015.7403496.
R. Sigit, E. Triyana, dan M. Rochmad, “Cataract Detection Using Single Layer Perceptron Based on Smartphone,” ICICOS 2019 - 3rd Int. Conf. Informatics Comput. Sci. Accel. Informatics Comput. Res. Smarter Soc. Era Ind. 4.0, Proc., 2019, doi: 10.1109/ICICoS48119.2019.8982445.
F. Fadlilatunnisa dan A. M. Widodo, “The Implementation of a Convolutional Neural Network for The Detection of Cataract Disease Severity in Eyes,” Infact Int. J. Comput., vol. 9, no. 01, hal. 35–43, 2025, doi: 10.61179/infact.v9i01.712.
S. Agustin, E. N. Putri, dan I. N. Ichsan, “Design of A Cataract Detection System based on The Convolutional Neural Network,” J. ELTIKOM, vol. 8, no. 1, hal. 1–8, 2024, doi: 10.31961/eltikom.v8i1.1019.
K. Y. Son dkk., “Deep Learning-Based Cataract Detection and Grading from Slit-Lamp and Retro-Illumination Photographs: Model Development and Validation Study,” Ophthalmol. Sci., vol. 2, no. 2, hal. 100147, 2022, doi: 10.1016/j.xops.2022.100147.
S. V. Nair dan P. Shete, “Mobile Application for Cataract Detection Using Convolution Neural Network,” 2023 Int. Conf. Network, Multimed. Inf. Technol. NMITCON 2023, hal. 1–6, 2023, doi: 10.1109/NMITCON58196.2023.10276326.
R. B. J. Simanjuntak, Y. Fu’Adah, R. Magdalena, S. Saidah, A. B. Wiratama, dan I. Da’Wan Salim Ubaidah, “Cataract Classification Based on Fundus Images Using Convolutional Neural Network,” Int. J. Informatics Vis., vol. 6, no. 1, hal. 33–38, 2022, doi: 10.30630/joiv.6.1.856.
F. Du dkk., “Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory,” BMC Med. Imaging, vol. 24, no. 1, hal. 1–14, 2024, doi: 10.1186/s12880-023-01176-2.
C. J. Lai, P. F. Pai, M. Marvin, H. H. Hung, S. H. Wang, dan D. N. Chen, “The Use of Convolutional Neural Networks and Digital Camera Images in Cataract Detection,” Electron., vol. 11, no. 6, 2022, doi: 10.3390/electronics11060887.
L. P.L, R. Vaddi, M. O. Elish, V. Gonuguntla, dan S. S. Yellampalli, “CSDNet: A Novel Deep Learning Framework for Improved Cataract State Detection,” Diagnostics, vol. 14, no. 10, hal. 1–12, 2024, doi: 10.3390/diagnostics14100983.
J. Olaniyan, D. Olaniyan, I. C. Obagbuwa, B. M. Esiefarienrhe, dan M. Odighi, “Transformative Transparent Hybrid Deep Learning Framework for Accurate Cataract Detection,” Appl. Sci., vol. 14, no. 21, hal. 1–20, 2024, doi: 10.3390/app142110041.
Z. Feng, K. Xu, L. Li, dan Y. Wang, “Hybrid Deep Learning Model for Cataract Diagnosis Assistance,” Appl. Sci., vol. 14, no. 23, hal. 1–17, 2024, doi: 10.3390/app142311314.
A. Tashkandi, “Eye Care : Predicting Eye Diseases Using Deep Learning Based on Retinal Images,” hal. 1–22, 2025.
V. V. Nguyen dan C. L. Lin, “Enhancing Cataract Detection through Hybrid CNN Approach and Image Quadration: A Solution for Precise Diagnosis and Improved Patient Care,” Electron., vol. 13, no. 12, 2024, doi: 10.3390/electronics13122344.
A. Rusdy Prasetyo, Sussi, dan B. Aditya, “Analisis Perbandingan Algoritma Support Vector Machine (Svm) Dan Convolutional Neural Network (Cnn) Untuk Sistem Deteksi Katarak,” J. Ilm. Tek. Mesin, Elektro dan Komput., vol. 3, no. 1, hal. 1–10, 2023, doi: 10.51903/juritek.v3i1.604.
E. Sudarsono, A. Bustamam, dan P. P. Tampubolon, “An optimized convolutional neural network using diffgrad for cataract image classification,” AIP Conf. Proc., vol. 2296, no. March, 2020, doi: 10.1063/5.0030746.
A. A. Pratama dan F. Utaminingrum, “Sistem Pendeteksi Tingkat Keparahan Katarak Berdasarkan Citra Digital Menggunakan Metode U-Net dan CNN,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, hal. 1–9, 2024.
J. Kecerdasan, T. Informasi, D. H. Firdaus, B. Imran, L. D. Bakti, dan E. Suryadi, “Klasifikasi Penyakit Katarak Pada Mata Menggunakan Metode Convolutional Neural Network ( Cnn ) Berbasis Web Web-Based Classification of Cataract in the Eyes Using Convolutional Neural Network ( Cnn ) Method,” J. Kecerdasan Buatan dan Teknol. Inf., vol. 1, no. 3, hal. 18–26, 2022.
F. Ramadhani, A. Satria, dan S. Salamah, “Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penyakit pada Mata Katarak,” sudo J. Tek. Inform., vol. 2, no. 4, hal. 167–175, 2023, doi: 10.56211/sudo.v2i4.408.
A. Howard dkk., “Searching for mobileNetV3,” Proc. IEEE Int. Conf. Comput. Vis., hal. 1314–1324, 2019, doi: 10.1109/ICCV.2019.00140.
