Retinopati diabetik merupakan penyakit pada retina yang
ditandai dengan kerusakan dan sumbatan pembuluh – pembuluh
darah retina. Retinopati diabetik memiliki beberapa gejala seperti
mikroaneurisma, kebocoran pembuluh darah, pembengkakan retina,
pertumbuhan darah baru abnormal, dan jaringan saraf yang rusak.
Untuk mendeteksi retinopati diabetik, pihak kesehatan
menggunakan citra fundus untuk mendeteksi terjadinya retinopati
diabetik. Namun dengan besarnya dimensi fundus memakan proses
yang panjang dalam menganalisis citra. Maka dari itu dibangun
teknologi deep learning untuk mendeteksi retinopati diabetik dan
mereduksi dimensi citra fundus. Oleh karena itu, perlu adanya
melakukan ekstraksi fitur. Ekstraksi fitur yang digunakan adalah
convolutional neural network (CNN) dan melakukan klasifikasi
citra. Dari model tersebut didapatkan keluaran normal atau
retinopati diabetik. Pada penelitian ini, didapatkan hasil terbaik
dengan akurasi dengan accuracy 94%, specificity 90%, sensitivity
97%, AUC 98%, dan F1-score 94%. Hasil tersebut didapatkan
dengan learning rate 0.0001 dan epoch 100 pada pemodelan CNN.
Berdasarkan penelitian ini, pemodelan CNN dapat menghasilkan
Klasifikasi retinopati diabetik dan normal melalui citra fundus.
Kata kunci: Convolutional Neural Network, Ekstraksi Fitur,
Retinopati Diabetik