IMPLEMENTASI SEBLOCK PADA KLASIFIKASI CITRA PENYAKIT MATA MANUSIA DENGAN ARSITEKTUR MOBILENETV3-SMALL

Abstract

Masyarakat Indonesia masih belum menyadari secara sepenuhnya tentang pentingnya kesehatan mata dimulai dengan adanya penyakit mata yang ringan seperti miopi, presbiopi, kelelahan mata, dan lain sebagainya dan juga penyakit mata yang berat seperti katarak, glaukoma, penyakit retina, dan lain sebagainya. Perkembangan teknologi saat ini memungkinkan manusia untuk dengan cepat dan tepat mengenali penyakit melalui gambar dengan memanfaatkan teknologi citra digital. Salah satu pendekatan yang digunakan adalah transfer learning dengan memakai arsitektur MobileNetV3-Small SEBlock yang dimana penggunaan metode tersebut dapat digunakan pada perangkat dengan spesifikasi yang rendah namun dapat menghasilkan hasil yag maksimal. Tingkat akurasi yang berhasil dicapai oleh MobileNetV3-Small SEBlock sangat memuaskan setelah melalui tahap pelatihan yang dimana pada fase tersebut dapat menunjukkan performa yang stabil serta hasil pengujian yang sangat baik dengan dapat membaca dan mengklasifikasi data sebanyak 3941 gambar dari 4000 gambar sehingga nilai akurasi yang didapatkan mencapai 90%.