Segmentasi Soft Exudate pada Citra Fundus Retina Pasien Diabetic Retinopathy Berbasis U-Net

Abstract

Diabetic retinopathy merupakan suatu kondisi mata yang terjadi pada orang yang menderita diabetes yang dapat mengakibatkan kehilangan penglihatan dan kebutaan. Kondisi ini terjadi akibat kerusakan pada pembuluh darah dan serabut saraf mata yang disebut exudates. Exudates terdiri dari dua jenis, yaitu hard exudate (HE) dan soft exudate. Penelitian ini difokuskan pada segmentasi soft exudate dengan menggunakan pengolahan citra digital menggunakan metode berbasis deep learning dengan U-Net. Secara garis besar, proses dalam proses segmentasi ini terdiri dari 3 tahap yaitu (1) pre-prosessing adalah tahap untuk memperbaiki citra yang akan digunakan sebelum dilakukan tahap segmentasi agar hasil yang didapatkan lebih optimal, (2) segmentasi adalah tahap untuk melakukan pemisahan soft exudate dengan yang bukan soft exudate dan (3) evaluasi adalah tahap untuk mengetahui performa dari hasil segmentasi yang telah didapatkan. Performa kedua metode dibandingkan dengan menggunakan tiga metrik performansi, yaitu akurasi, sensitifity, dan specificity dengan membandingkan hasil segmentasi dengan groundtruth. Hasil penelitian menunjukkan bahwa metode U-Net menghasilkan rata-rata akurasi 0.99586, sensitifity 0.36203, dan specificity 0.99856 dalam evaluasi hasil performansi skor.