EPrints Universitas Amikom YogyakartaDETEKSI PENYAKIT DIABETIC RETINOPATHY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS ARSITEKTUR EFFICIENTNETV2AimanMukhlishahauthorDiabetic Retinopathy (DR) merupakan salah satu komplikasi serius akibat diabetes mellitus yang menjadi penyebab utama kebutaan di dunia. Seiring meningkatnya jumlah penderita diabetes, kebutuhan akan sistem deteksi otomatis yang akurat semakin mendesak guna mendukung diagnosis dini serta mencegah risiko kehilangan penglihatan permanen. Namun, klasifikasi DR masih menghadapi tantangan, seperti variasi tingkat keparahan, distribusi data yang tidak seimbang, serta keterbatasan model dalam mengenali pola spasial citra retina. Untuk menjawab permasalahan tersebut, penelitian ini mengusulkan integrasi dilation layer pada arsitektur EfficientNetV2 yang efisien dalam ekstraksi fitur, dengan dukungan preprocessing Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kualitas citra retina. Penambahan dilation layer memungkinkan perluasan receptive field tanpa meningkatkan jumlah parameter maupun menurunkan resolusi spasial, sehingga jaringan lebih optimal dalam menangkap fitur patologis. Penelitian ini menguji tiga varian model, yaitu EfficientNetV2-B0, B3, dan S. Hasil eksperimen menunjukkan bahwa EfficientNetV2-B0 dengan dilation layer memberikan performa terbaik dengan akurasi 96,54% serta precision dan recall yang seimbang. Sementara itu, arsitektur lebih kompleks tidak selalu lebih unggul, bahkan menurun pada kelas minoritas seperti Proliferative DR. Temuan ini mengindikasikan bahwa integrasi dilation layer pada arsitektur EfficientNetV2 berpotensi meningkatkan stabilitas dan konsistensi klasifikasi DR000 Ilmu komputer, informasi dan pekerjaan umum2025-10-03Universitas AMIKOM Yogyakarta;Pascasarjana Teknik InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.