Deteksi diabetic retinopathy menggunakan metode Hybrid Inceptionresnetv2-Kelm

Diabetic Retinopathy (DR) merupakan komplikasi penyakit Diabetes Mellitus (DM) yang terjadi pada mata. DM tipe 1 dan DM tipe 2 keduanya mengalami DR. Berdasarkan tingkat keparahannya DR dibagi menjadi stadium mild DR, moderate DR, severe DR, dan proliferative DR. Deteksi secara manual sulit dilakukan karena terdapat perbedaan yang cukup kecil antara normal dan DR, sehingga sistem Computer-Aided Diagnosis (CAD) menjadi solusinya. Tujuan penelitian ini adalah mendeteksi tingkat keparahan DR dengan cepat dan akurat, sehingga penderita DR tidak sampai lebih parah yang dapat menyebabkan kebutaan. Citra fundus digunakan untuk mengambil gambar fundus retina untuk mendeteksi DR. Kumpulan data citra fundus pada penelitian ini menggunakan data yang bersumber dari Mesindor. Pada data tersebut terdiri dari empat kelas yaitu normal, mild DR, moderate DR, dan severe DR. Metode hybrid dari Convolutional Neural Network (CNN) arsitektur InceptionResnetV2 dengan metode KELM. InceptionResNetV2 digunakan sebagai ekstraksi fitur dan Kernel Extreme Learning Machine (KELM) sebagai klasifikasinya mampu mendeteksi dengan sangat baik dan waktu yang cukup efektif. Penelitian ini menggunakan uji coba parameter KELM diantaranya menggunakan beberapa kernel seperti RBF, linear, polynomial, dan wavelet. Selain itu, juga melakukan percobaan koefisien regulasi (C) menggunakan 0.1, 1, 10, 100, dan 1000. Hasil menunjukkan nilai sensitivitas tertinggi terletak pada percobaan kernel polynomial dan C = 10. Hasil evaluasi menghasilkan sensitivitas sebesar 99.88%, akurasi 99.88%, spesifisitas 99.96%, presisi 99.88%, dan f1-score sebesar 99.88%