Screening Awal Penyakit Katarak dengan Image Processing menggunakan Metode Convolutional Neural Network pada Penyakit Akibat Kerja Pengelasan

Abstract

Pengelasan merupakan salah satu proses kerja pada sektor industri yang memiliki tingkat risiko bahaya cukup tinggi. Radiasi sinar UV menjadi sumber potensi paling berbahaya, karena terserap oleh lensa dan terjadi reaksi fotokimia yang menyebabkan perubahan struktur protein lensa sehingga membentuk katarak. Katarak merupakan salah satu penyebab tertinggi kebutaan dengan gejala awal penglihatan yang kabur. Gejala ini dapat menurunkan produktivitas kerja hingga terjadi kecelakaan kerja. Untuk meminimalisir hal tersebut, dilakukan upaya identifikasi bahaya dengan Metode Hazard Identification Risk Assessment and Risk Control (HIRARC) dan screening awal sebagai diagnosis dini katarak menggunakan metode Convolutional Neural Networks (CNN). Berdasarkan hasil penelitian pada identifikasi bahaya pengelasan dengan Metode HIRARC terdapat 3 potensi bahaya dengan risiko tertinggi yaitu potensi bahaya panas dan api menyebabkan kebakaran dan ledakan dengan risk rating 15 termasuk kategori high, potensi bahaya sinar UV menyebabkan katarak hingga kebutaan dengan risk rating 12 termasuk kategori high serta potensi bahaya kebisingan menyebabkan tuli dengan risk rating 12 termasuk kategori high. Kemudian hasil screening awal sebagai diagnosis dini katarak dengan Metode CNN pada 3 orang teknisi las di Bengkel PPNS didapatkan hasil 2 orang terdeteksi sebagai mata normal dan 1 orang terdeteksi sebagai mata katarak. Nilai akurasi yang dihasilkan pada evaluasi algoritma model CNN yang telah dirancang sebesar 97.5% dan nilai loss sebesar 5.6%.