PENINGKATAN AKURASI KLASIFIKASI STADIUM KATARAK DENGAN VISION TRANSFORMER (ViT) DAN IMAGE INPAINTING PADA TELEMEDICINE = IMPROVING THE ACCURACY OF CATARACT STAGE CLASSIFICATION WITH VISION TRANSFORMER (VIT) AND IMAGE INPAINTING IN TELEMEDICINE

Latar Belakang. Katarak merupakan salah satu penyebab utama kebutaan di seluruh dunia. Indonesia memiliki prevalensi katarak yang tinggi, yang menyumbang lebih dari 80% kasus kebutaan. Penentuan stadium dini dan akurat sangat penting untuk perencanaan pengobatan. Namun, aplikasi telemedicine yang menggunakan pemindaian berbasis smartphone menghadapi tantangan akibat kualitas gambar yang rendah dan pantulan spekular yang disebabkan oleh permukaan kornea yang reflektif dan melengkung. Pantulan ini dapat mengurangi akurasi diagnostik. Tujuan. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi stadium katarak berbasis telemedicine dengan mengurangi gangguan pantulan spekular serta meningkatkan kemampuan Vision Transformer (ViT) dalam menganalisis gambar mata katarak. Metode. Metode yang diusulkan pada penelitian ini adalah penerapan image inpainting untuk mengurangi pantulan spekular, dilanjutkan dengan peningkatan Vision Transformer menggunakan Local Window Attention (LWA) dan Region of Interest (ROI) Attention guna memfokuskan analisis pada area mata yang relevan. Dataset yang digunakan berupa gambar mata katarak hasil pemotretan kamera smartphone. Hasil. Eksperimen menunjukkan bahwa metode yang diusulkan mencapai akurasi 0.98 dan Macro-F1 0.98, yang secara signifikan lebih baik dibandingkan model dasar. Analisis Perbandingan. Integrasi image inpainting dengan ViT yang ditingkatkan memberikan peningkatan kinerja baik pada akurasi maupun Macro-F1. Penerapan LWA dan ROI Masking terbukti membantu model lebih fokus pada area penting, sehingga menghasilkan representasi fitur yang lebih stabil dibandingkan dengan ViT standar. Kesimpulan. Metode image inpainting yang digabungkan dengan ViT yang ditingkatkan melalui LWA dan ROI Attention dapat meningkatkan keandalan klasifikasi stadium katarak berbasis telemedicine, khususnya pada gambar yang dihasilkan dari kamera smartphone.