?url_ver=Z39.88-2004&rft_id=2015061025&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rft.title=PENDETEKSIAN+PENYAKIT+DIABETIC+RETINOPHATY+MELALUI+CITRA+FUNDUS+MENGGUNAKAN+MODEL+CNN+INCEPTIONRESNET-V2+&rft.creator=Renata+Adisti%2C+Pratiwi&rft.subject=003+Sistem-sistem&rft.subject=004+Pemrosesan+data+dan+ilmu+komputer&rft.subject=005+Pemrograman+komputer%2C+program+dan+data&rft.subject=006+Metode+komputer+khusus&rft.subject=602+Aneka+ragam+tentang+teknologi+dan+ilmu+terapan&rft.subject=607+Pendidikan%2C+riset%2C+topik+terkait&rft.subject=610+Ilmu+kedokteran%2C+ilmu+pengobatan+dan+ilmu+kesehatan&rft.subject=620+Ilmu+teknik+dan+ilmu+yang+berkaitan&rft.description=Diabetic+Retinopathy+(DR)+adalah+komplikasi+serius+diabetes+melitus+yang+dapat+menyebabkan+kebutaan.+Deteksi+dini+melalui+analisis+citra+fundus+sangat+penting%2C+tetapi+keterbatasan+jumlah+ophthalmologist+mendorong+pengembangan+metode+otomatis+berbasis+kecerdasan+buatan.+Penelitian+ini+mengembangkan+model+deteksi+DR+berbasis+CNN+InceptionResNet-V2+untuk+mengklasifikasikan+lima+tingkat+keparahan+DR.+Model+dianalisis+menggunakan+input+3+kanal+RGB%2C+kanal+hijau+(murni+dan+RGB+tiruan)%2C+serta+dampak+prapemrosesan+citra+seperti+CLAHE%2C+Sharpening%2C+dan+Super+Resolution.Evaluasi+kinerja+dilakukan+dengan+akurasi%2C+sensitivitas%2C+spesifisitas%2C+AUC%2C+F1-score%2C+Confusion+Matrix%2C+dan+waktu+komputasi.+Percobaan+dengan+berbagai+batch+size+(8%2C+16%2C+32%2C+64)+menguji+stabilitas+dan+efisiensi+model.+Model+tanpa+prapemrosesan+(3+kanal+RGB)+mencapai+akurasi+86%25%2C+tetapi+kesalahan+signifikan+terjadi+pada+kelas+mayoritas+dan+minoritas+dibanding+percobaanlainnya.+Sebaliknya%2C+model+dengan+kanal+hijau+RGB+tiruan+mencapai+akurasi+96%25+dan+F1-score+95%2C91%25%2C+dengan+stabilitas+terbaik+pada+batch+size+16+sebagai+konfigurasi+optimal.+Kombinasi+kanal+hijau+RGB+tiruan+dengan+CLAHE+dan+Sharpening+memberikan+kinerja+terbaik.+Sementara+itu%2C+kanal+hijau+murni+menawarkan+waktu+komputasi+lebih+cepat+tetapi+kinerja+kurang+konsisten.+Penelitian+ini+menegaskan+pentingnya+pemilihan+teknik+prapemrosesan+dan+konfigurasi+batch+size+dalam+meningkatkan+akurasi+deteksi+otomatis+DR.+Hasil+ini+mendukung+pengembangan+sistem+diagnosis+berbasis+CNN+yang+efisien+untuk+membantu+deteksi+dini+DR+dalam+pengambilan+keputusan+medis.&rft.publisher=FAKULTAS+TEKNIK&rft.date=2025-01-03&rft.type=Skripsi&rft.type=NonPeerReviewed&rft.format=text&rft.identifier=http%3A%2F%2Fdigilib.unila.ac.id%2F83885%2F1%2FABSTRAK.pdf&rft.format=text&rft.identifier=http%3A%2F%2Fdigilib.unila.ac.id%2F83885%2F2%2FSKRIPSI%2520FULL.pdf&rft.format=text&rft.identifier=http%3A%2F%2Fdigilib.unila.ac.id%2F83885%2F3%2FSKRIPSI%2520FULL%2520TANPA%2520BAB%2520PEMBAHASAN.pdf&rft.identifier=++Renata+Adisti%2C+Pratiwi++(2025)+PENDETEKSIAN+PENYAKIT+DIABETIC+RETINOPHATY+MELALUI+CITRA+FUNDUS+MENGGUNAKAN+MODEL+CNN+INCEPTIONRESNET-V2.++FAKULTAS+TEKNIK%2C+UNIVERSITAS+LAMPUNG.+++++&rft.relation=http%3A%2F%2Fdigilib.unila.ac.id%2F83885%2F