KLASIFIKASI LEVEL RETINOPATI DIABETES BERBASIS K-MEANS CLUSTERING DENGAN METODE ENSEMBLE CONVOLUTIONAL NEURAL NETWORK

Pengembangan model klasifikasi retinopati diabetes telah banyak diusulkan oleh
peneliti terdahulu, salah satu metode paling populer dengan akursi yang tinggi
adalah convolutional neural network. Permasalahan dalam membangun model
berbasis jaringan konvolusi adalah kebutuhan data latih yang besar. Penelitian ini
melatih jaringan convolutional neural network dengan pendekatan fine-tuning
transfer learning guna meminimalkan resiko overfitting. Dengan mentransfer
pengetahuan dari bobot ImageNet, model dengan arsitektur DensNet201,
InceptionV3 dan MobileNetV2 pada penelitian ini dapat mencapai akurasi testing
masing-masing 93 %, 94% dan 89% dengan loss masing-masing 0.18, 0.19 dan
0.29. Ketiga model tersebut kemudian di-Ensemble dengan layer average pooling
guna meningkatkan akurasi dan meminimalkan loss, hasilnya akurasi sistem
meningkat menjadi 95% dan loss ke titik minimal 0.15. Penelitian ini juga menguji
waktu komputasi pelatihan jaringan convolutional neural network terhadap jumlah
cluster pada segmentasi berbasis K-means Clustetering, hasil pengujian
menyimpulkan jumlah cluster pada algoritma K-means Clustering tidak berkorelasi
liner dengan waktu komputasi training jaringan convolutional neural network.
Kata Kunci: klasifikasi retinopat diabetes, convolutional neural network, fine�tuning transfer learning, Ensemble, K-means Clusteirng