ANALISIS PENGARUH PENERAPAN ALGORITMA GAUSSIAN BLUR DAN CLAHE TERHADAP AKURASI PENDETEKSIAN PENYAKIT RETINOPATI DIABETIK MENGGUNAKAN MODEL EFFICIENTNETV2

ARIEF RAHMAN, Dr. Nur Rokhman, S.Si., M.Kom

2025 | Skripsi | ILMU KOMPUTER

Retinopati diabetik adalah konsekuensi serius dari diabetes yang dapat menyebabkan gangguan penglihatan jika tidak segera diidentifikasi dan diobati. Penelitian ini bertujuan untuk menganalisis dampak dari teknik perbaikan citra menggunakan Gaussian blur dan Contrast Limited Adaptive Histogram Equalization (CLAHE) terhadap akurasi identifikasi retinopati diabetik dengan model EfficientNetV2. Model ini digunakan untuk mendeteksi kondisi normal dan berbagai fase retinopati diabetik pada citra retina. Penelitian ini menguji beberapa skenario berbeda dengan variasi parameter, yaitu tanpa perbaikan citra, penerapan Gaussian blur saja, penerapan CLAHE saja, penerapan Gaussian blur diikuti CLAHE, serta sebaliknya. Hasil penelitian menemukan bahwa peningkatan performa yang lebih baik dapat dicapai saat data diterapkan teknik perbaikan citra secara tunggal. Penerapan Gaussian blur dengan kernel_size=(5,5) dan CLAHE dengan clip_limit=2.5 masing-masing menghasilkan akurasi tertinggi sebesar 93%. Kombinasi kedua teknik menghasilkan akurasi yang sedikit lebih rendah sebesar 91%, mengindikasikan bahwa penerapan teknik secara tunggal lebih efektif berdasarkan hasil perbandingan tiap skenario dan evaluasi tiap kelas. Temuan ini menunjukkan bahwa pemanfaatan teknik perbaikan citra secara tunggal dapat meningkatkan akurasi deteksi dan mendukung deteksi dini retinopati diabetik.

Diabetic retinopathy is a serious consequence of diabetes that can cause visual impairment if not immediately identified and treated. This study aims to analyse the impact of image enhancement techniques using Gaussian blur and Contrast Limited Adaptive Histogram Equalization (CLAHE) on the accuracy of diabetic retinopathy identification with the EfficientNetV2 model. This model is used to detect normal conditions and various phases of diabetic retinopathy in retinal images. This study tested several different scenarios with parameter variations, namely no image enhancement, application of Gaussian blur only, application of CLAHE only, application of Gaussian blur followed by CLAHE, and vice versa. The results found that better performance improvement can be achieved when a single image enhancement technique is applied to the data. The application of Gaussian blur with kernel_size=(5,5) and CLAHE with clip_limit=2.5 each produced the highest accuracy of 93%. The combination of two techniques resulted in a slightly lower accuracy of 91%, indicating that the application of a single technique is more effective based on the comparison results of each scenario and the evaluation of each class. These findings suggest that single utilisation of image enhancement techniques can improve detection accuracy and support early detection of diabetic retinopathy.

Kata Kunci : retinopati diabetik, Gaussian blur, CLAHE, EfficientNetV2, perbaikan citra, pembelajaran mesin mendalam, convolutional neural network