KLASIFIKASI DIABETIC RETINOPATHY MELALUI CITRA FUNDUS MENGGUNAKAN SELF-ORGANIZING MAP

Pratama, Kelvin Rio (2021) KLASIFIKASI DIABETIC RETINOPATHY MELALUI CITRA FUNDUS MENGGUNAKAN SELF-ORGANIZING MAP. S1 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Kelvin Rio Pratama) 170709573_bab0.pdf Download (247kB) | Preview
Preview	Text 170709573_bab1.pdf Download (108kB) | Preview
	Text 170709573_bab2.pdf Restricted to Registered users only Download (116kB)
	Text 170709573_bab3.pdf Restricted to Registered users only Download (423kB)
	Text 170709573_bab4.pdf Restricted to Registered users only Download (601kB)
	Text 170709573_bab5.pdf Restricted to Registered users only Download (1MB)
Preview	Text 170709573_bab6.pdf Download (170kB) | Preview

Abstract

Retinopati Diabetik (Diabetic Retinopathy) merupakan salah satu penyakit mata yang merusak pembuluh darah di dalam retina dan dapat menyebabkan kebutaan temporer hingga permanen. Retinopati Diabetik sering dialami oleh penderita Diabetes Melitus. Salah satu metode untuk mendeteksi Retinopati Diabetik adalah melalui pemeriksaan mata untuk melihat bagian fundus mata yang disebut dengan funduskopi. Pemeriksaan funduskopi secara manual belum dapat memberikan informasi yang jelas, sehingga tenaga ahli membutuhkan waktu tambahan untuk menganalisis funduskopi. Oleh karena itu, sistem klasifikasi Retinopati Diabetik akan dirancang yang diharapkan dapat membantu tenaga ahli mendeteksi Retinopati Diabetik dengan cepat dan mengambil tindakan medis secara tepat. Sistem klasifikasi Retinopati Diabetik dirancang dengan teknik pengolahan citra digital. Hasil ekstraksi fitur diklasifikasikan menggunakan jaringan saraf tiruan Self-Organizing Map. Klasifikasi Retinopati Diabetik berdasarkan tingkat keparahannya dikelompokkan ke dalam kelas normal, mild, moderate, atau severe dengan memperhatikan jumlah kemunculan exudates dan microaneurysms serta struktur blood vessels. Dataset yang digunakan dalam penelitian ini adalah citra fundus sejumlah 1000 yang diperoleh dari basis data ophthalmology MESSIDOR. Penelitian yang dilakukan pada tugas akhir ini menunjukkan bahwa dengan menggunakan nilai parameter SOM neuron size 20, sigma 5, learning rate 0.5, dan jumlah iterasi 5000 menghasilkan akurasi klasifikasi keparahan penyakit Diabetic Retinopathy sebesar 72%.

Actions (login required)

View Item