PENERAPAN MODEL HIBRIDA CNN-KNN UNTUK KLASIFIKASI PENYAKIT MATA

Abstract

Penyakit mata merupakan gangguan yang menyerang organ mata akibat dari virus, bakteri, dan kebiasaan buruk. Saat ini, penggunaan teknologi kecerdasan buatan populer dalam mendiagnosa penyakit mata untuk memungkinkan penanganan lebih dini agar tidak memicu kebutaan. Convolutional Neural Network (CNN) merupakan algoritma klasifikasi yang paling umum digunakan karena dapat menghasilkan akurasi yang baik dalam memproses data yang berformat gambar. K-Nearest Neighbor (KNN) juga termasuk algoritma untuk klasifikasi dengan menggunakan parameter nilai tetangga terdekat. Pada penelitian ini, peneliti akan melakukan hibrida atau menggabungkan algoritma CNN dan KNN dengan CNN sebagai proses ekstraksi fitur serta KNN sebagai klasifikasi. Penelitian akan dilakukan dengan menggunakan beberapa parameter pada CNN dan KNN untuk mencari akurasi terbaik. Hasil akurasi terbaik dari penerapan model hibrida CNN-KNN pada penyakit mata diperoleh dengan menggunakan optimasi adam learning rate 0,001 dan nilai tetangga terdekat 9 dengan akurasi sebesar 94,03%.