Deteksi Penyakit Katarak pada Citra Mata Manusia Menggunakan Metode ResNet-50

Abstrak

Katarak merupakan penyebab utama kebutaan yang membutuhkan diagnosis cepat dan akurat untuk mencegah penurunan kualitas penglihatan yang lebih parah. Namun, metode pemeriksaan konvensional seringkali memerlukan waktu lama dan keahlian khusus, sehingga sulit diakses secara luas. Seiring dengan perkembangan teknologi, pengolahan citra digital menawarkan solusi untuk mendeteksi katarak secara lebih efisien. Penelitian ini bertujuan mengembangkan sistem identifikasi katarak berbasis image processing dengan menggunakan pendekatan deep learning melalui arsitektur ResNet-50 untuk pengenalan pola pada citra mata. Proses penelitian meliputi transformasi matriks citra dan kompresi file guna meningkatkan efisiensi pengolahan data. Dataset citra mata digunakan sebagai data pelatihan dan pengujian dalam proses klasifikasi menggunakan parameter orde satu dan 100 epoch. Hasil pengujian menunjukkan sistem mampu mengidentifikasi katarak dengan akurasi sebesar 95,7% dan waktu komputasi terbaik 1,888 detik, menggunakan 400 data pelatihan dan 381 data validasi. Simulasi perangkat lunak yang dihasilkan dapat menjadi alat bantu diagnosis awal katarak berbasis citra digital, yang diharapkan mampu mendukung tenaga medis dalam memberikan penanganan lebih cepat dan memperluas akses layanan kesehatan mata.