DETEKSI GANGGUAN PENCERNAAN LAMBUNG BERDASARKAN CITRA IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

HARTONO, BUDI (2019) DETEKSI GANGGUAN PENCERNAAN LAMBUNG BERDASARKAN CITRA IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION. S1 thesis, UAJY.

Preview	Text (HALAMAN JUDUL) TF08501 0.pdf Download (386kB) | Preview
Preview	Text (BAB I) TF08501 1.pdf Download (118kB) | Preview
	Text (BAB II) TF08501 2.pdf Restricted to Registered users only Download (85kB)
	Text (BAB III) TF08501 3.pdf Restricted to Registered users only Download (777kB)
	Text (BAB IV) TF08501 4.pdf Restricted to Registered users only Download (812kB)
	Text (BAB V) TF08501 5.pdf Restricted to Registered users only Download (1MB)
Preview	Text (BA VI) TF08501 6.pdf Download (142kB) | Preview

Abstract

Lambung merupakan organ pencernaan yang paling rentan terhadap penyakit yang disebabkan oleh meningkatnya produksi asam lambung akibat pola makan yang kurang sehat atau salah dalam memilih makanan. Pada penelitian ini adanya pemeriksaan dan mengetahui ada atau tidaknya gangguan pencernaan pada organ lambung manusia tersebut. Salah satu cara praktis untuk memeriksanya ialah melalui iris mata atau disebut dengan iridologi. Sistem untuk mendeteksi gangguan pencernaan lambung dibuat menggunakan Matlab versi (Matrix Laboratory) versi 8.5.0.197613 (R2015a) dengan jaringan syaraf tiruan metode backpropagation dan ektraksi ciri GLCM (Gray Level Co-Occurrence Matrix), melalui pengolahan citra iris mata. Ektraksi ciri GLCM ini dapat dikelompokkan berdasarkan fitur GLCM yaitu kontras, kolerasi, energi, dan homogenitas. Dimana hasil ektraksi ciri matriks, digunakan untuk mendiagnosa kondisi gangguan pencernaan pada lambung, bersifat normal atau tidak normal. Melalui pengolahan citra RGB (red, green, blue) yang diolah menjadi citra Grayscale, dimana hasil pelatihan jaringan syaraf tiruan backpropagation dengan data ektraksi ciri GLCM (Gray Level Co-Occurrence Matrix), pada jumlah neuron 25 di lapisan tersembunyi, 1000 iterasi (epoch), target error 10-6, dan learning rate 0,1 didapatkan persentase sebesar 100% dengan 120 data pelatihan di dalam penelitian ini. Sedangkan hasil dari pengujian 60 data ektraksi ciri yang baru, didapatkan tingkat akurasi pengujian dengan akurat mendapatkan sebesar 85%.

Actions (login required)

View Item