Identifikasi biometrik segmentasi citra retina berdasarkan hasil kamera fundus menggunakan Convolutional Neural Network (CNN) model U-Net

Rafilah, Afiqah Qurratu Aini (2026) Identifikasi biometrik segmentasi citra retina berdasarkan hasil kamera fundus menggunakan Convolutional Neural Network (CNN) model U-Net. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Full text not available from this repository. (Request a copy)

Abstract

Biometrik merupakan salah satu pendekatan sistem identifikasi lanjutan yang memanfaatkan karakteristik unik pada tubuh manusia untuk mengenali individu. Salah satu karakteristik biometrik yang memiliki tingkat keunikan tinggi adalah pola pembuluh darah retina, yang dikenal dalam sistem biometrik sebagai retina recognition. Dalam sistem biometrik retina, tahap segmentasi memegang peranan penting karena berpengaruh langsung terhadap tingkat keakuratan proses identifikasi. Namun, segmentasi pembuluh darah retina memiliki tantangan tersendiri, seperti pola percabangan dan persilangan pembuluh darah yang kompleks. Oleh karena itu, penelitian ini menerapkan metode U-Net untuk melakukan segmentasi pembuluh darah retina, mengingat kemampuannya dalam menangani segmentasi citra biomedis dengan kebutuhan data berlabel yang relatif sedikit serta waktu pelatihan yang efisien. Hasil penelitian menunjukkan bahwa peningkatan jumlah epoch pelatihan berbanding lurus dengan kualitas hasil segmentasi. Performa terbaik diperoleh pada epoch ke-50 dengan nilai Intersection over Union (IoU) sebesar 0,8648 dan Dice Coefficient sebesar 0,9243 yang menandakan bahwa metode U-Net mampu menghasilkan segmentasi pembuluh darah retina yang akurat dan berpotensi mendukung sistem identifikasi biometrik retina.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Biometrik; Segmentasi; Retina Recognition; U-Net
Subjects:	Physics Human Anatomy, Cytology, Histology
Divisions:	Fakultas Sains dan Teknologi > Program Studi Fisika
Depositing User:	afiqah qurratu aini rafilah
Date Deposited:	13 Mar 2026 06:52
Last Modified:	13 Mar 2026 06:52
URI:	https://digilib.uinsgd.ac.id/id/eprint/128987

Actions (login required)

View Item