DETEKSI RETINOPATI DIABETIK ON-DEVICE MENGGUNAKAN MODEL MOBILENETV2 PADA APLIKASI MOBILE BERBASIS FLUTTER

Retinopati Diabetik (RD) adalah penyebab utama kebutaan yang dapat dicegah, namun skrining manual seringkali sulit diakses dan mahal. Penelitian ini bertujuan membangun aplikasi mobile yang efisien untuk deteksi RD menggunakan Deep Learning. Model CNN berbasis MobileNetV2 dilatih dengan teknik transfer learning pada dataset APTOS 2019 yang dikelompokkan menjadi 2 kelas (RD dan Non-RD). Model terbaik dikonversi ke format TensorFlow Lite (TFLite) dengan optimasi kuantisasi untuk implementasi on-device pada aplikasi Flutter. Hasil penelitian menunjukkan model mencapai akurasi 97.3% pada data uji. Konversi TFLite berhasil mereduksi ukuran file sebesar 74% (menjadi 11.8 MB) dengan latensi inferensi rata-rata ~150 ms. Penelitian ini membuktikan kelayakan implementasi MobileNetV2 pada aplikasi mobile untuk skrining RD yang cepat, akurat, hemat biaya, dan menjaga privasi secara offline. Solusi ini berpotensi besar meningkatkan deteksi dini di fasilitas layanan kesehatan dengan sumber daya terbatas