RANCANG BANGUN APLIKASI ANDROID PENGKLASIFIKASIAN PENYAKIT DIABETIC RETINOPATHY DENGAN ARSITEKTUR EFFICIENTNET = DESIGN AND DEVELOPMENT OF AN ANDROID APPLICATION FOR CLASSIFYING DIABETIC RETINOPATHY USING THE EFFICIENTNET ARCHITECTURE

Diabetes adalah kondisi penyakit kronis yang disebabkan karena peningkatan
kadar gula (glukosa) dalam darah, yang menyebabkan berbagai macam
komplikasi serius pada organ tubuh manusia. Salah satu bentuk komplikasi yang
disebabkan oleh penyakit diabetes adalah Diabetic Retinopathy (DR). DR
merupakan salah satu penyebab kehilangan penglihatan umum yang terkait
dengan diabetes, kondisi ini akan mempengaruhi pembuluh darah diretina, yang
ditandai dengan rusaknya pembuluh darah pada retina kemudian membengkak
dan akhirnya mengalami kebocoran, Deteksi dini dan pengobatan adalah cara
efektif untuk mengatasi DR. Oleh karena itu, diusulkan sistem pengenalan
berbasis komputer dengan pendekatan deep learning untuk mengenali secara
otomatis gambar fundus DR secara menyeluruh dengan mengklasifikasikan
gambar fundus retina ke dalam dua kelas berbeda yaitu sebagai retina normal dan
DR. Sehubungan dengan itu, penelitian ini akan menerapkan pengolahan citra,
menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur
EfficientNet. Berdasarkan hasil penelitian yang telah dilakukan model EfficientNet
dengan dataset penyakit Diabetic Retinopathy, pada Epoch ke-26 Testing
(Validation Accuracy) mencapai 97,11 %, dan pada Epoch ke-27, Training
Accuracy mencapai 97,14%. Secara keseluruhan, kurva akurasi menunjukkan
bahwa model EfficientNet telah berhasil dilatih dengan baik dan memiliki tingkat
akurasi yang tinggi pada dataset yang digunakan. Selisih antara Training
Accuracy dan Testing (Validation Accuracy) tidak terlalu besar, sehingga model
cenderung tidak mengalami Overfitting. Untuk Precision, Recall, dan F1-Score
berdasarkan Test Score model yang dilakukan perkelas rata-rata diatas 0,95