PRE-DIAGNOSIS GANGGUAN GINJAL MELAUI CITRA IRIS MATA MENGGUNAKAN RASPBERRY PI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Perubahan pola penyakit tanpa disadari telah memberi pengaruh terhadap terjadinya
transisi epidemiologi, dengan semakin meningkatnya kasus-kasus penyakit tidak
menular. Salah satu penyakit tidak menular yang juga mengalami peningkatan
adalah gangguan ginjal. Jumlah penderita gangguan ginjal di Indonesia meningkat
setiap tahunnya. Di samping itu, kemajuan teknologi yang terus berkembang dalam
dunia kesehatan membawa dampak positif di bidang biomedis salah satunya adalah
perkembangan pengenalan penyakit melalui iris mata (iridology), tetapi iridology
belum banyak diaplikasikan untuk pengenalan gangguan ginjal. Pada penelitian ini
dengan menggunakan metode convolutional neural network (CNN) dan
diaplikasikan menggunakan Raspberry Pi 3 model B+ dapat mengenali gangguan
ginjal melalui iris mata. Hasil akurasi terbaik yang diperoleh dengan
memvariasikan banyak epoch, nilai learning rate, ukuran kernel, komposisi
database, dan fungsi pooling layer adalah 94% pada saat epoch 12, 92% pada nilai
0,0001, 95% pada ukuran 3x3, 95% pada komposisi 100 train dan 50 validation,
90% menggunakan fungsi max pooling. Akurasi pengenalan gangguan ginjal
dengan menggunakan metode convolutional neural network citra iris mata pada
Raspberry Pi 3 Model B+ adalah 100%.
Kata kunci: gangguan ginjal, iridology, convolutional neural network, raspberry
pi 3 model B+.