Optimasi Model Resnet menggunakan metode MSRCR dalam Klasifikasi Glaukoma

Glaukoma merupakan penyakit penyebab kebutaan kedua setelah katarak. Glaukoma adalah penyakit yang menyebabkan kebutaan permanen dan tidak dapat diobati, namun mendiagnosa penyakit ini sedini mungkin dapat memperlambat fase kebutaan melalui terapi pengobatan yang tepat. Dalam mendiagnosanya pasien memerlukan untuk datang ke ahli mata, yang memakan biaya dan waktu. Pada penelitian ini bertujuan untuk membuat sistem klasifikasi untuk mempermudah proses diagnosa pada penyakit glaukoma menggunakan metode Residual Network (ResNet) dengan optimasi Multi Scale Retinex Color Restoration (MSRCR). Data yang digunakan adalah data citra fundus retina yang didapat dari website Kaggle. Pada penelitian ini proses klasifikasi dilakukan dengan membandingkan arsitektur ResNet50 dan arsitektur Resnet50 yang menggunakan optimasi MSRCR. Hasil yang didapatkan memberikan jawaban bahwa metode ResNet dengan MSRCR lebih baik dalam mengklasifikasikan glaukoma pada penelitian ini dengan rata-rata akurasi sebesar 94%, rata-rata spesitifitas 90% dan rata-rata sensitifitas sebesar 97%.