Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network

Suwanto Sanjaya; Arif Mudi Priyatno; Febi Yanto; Iis Afrianty

Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network

Suwanto Sanjaya, Arif Mudi Priyatno, Febi Yanto, Iis Afrianty

Abstract

Diabetik retinopati merupakan penyakit yang menyerang retina mata dan dapat menyebabkan kebutaan. Tingkat keparahan diabetik retinopati terbagi atas empat yaitu Normal, Diabetik Retinopati Non-proliferative (NPDR), Diabetik Retinopati Proliferative (PDR) dan Makula Endema (ME). Pada dasarnya diabetik retinopati dapat diamati menggunakan kamera fundus tetapi membutuhkan waktu yang cukup lama. Sehingga pada penelitian ini diterapkan ilmu pengolahan citra dan Jaringan Syaraf Tiruan sebagai cara lain untuk mengelompokkan penyakit diabetik retinopati. Wavelet Haar digunakan sebagai ekstraksi ciri citra retina mata dan Backpropagation Neural Network (BPNN) digunakan sebagai Metode klasifikasinya. Data yang digunakan bersumber dari messidor database. Jumlah data yang digunakan adalah sebanyak 612 citra (153 data setiap kelas). Berdasarkan hasil pengujian, akurasi tertinggi sebesar 56,25% dengan ukuran citra 2440 x 1448 piksel, haar level ke-4 serta persentase perbandingan data latih dan data uji 95%:5%, Learning rate 0,01. Berdasarkan hasil tersebut, algoritme wavelet haar kurang mampu mengenali ciri dari diabetik retinopati.

Full Text:

PDF

References

J. J. Pangaribuan, “Mendiagnosis Penyakit Diabetes Melitus Dengan Menggunakan Metode Extreme Learning Machine”, ISD, vol. 2, no. 2, pp. 2528–5114, 2016.

E. Sabrina, “Klasifikasi Penyakit Diabetic Retinopathy menggunakan Metode Learning Vector Quantization ( LVQ )”, J. Tek. Elektro, vol. 6, no. 2, pp. 97–104, 2017.

R. A. Gitasari, B. Hidayat, and S. Aulia, “Klasifikasi Penyakit Diabetes Retinopati Berdasarkan Citra Digital Dengan Menggunakan Metode Wavelet Dan Support Vector Machine”, 2015.

T. Kauppi et al., “the DiaretDB1 diabetic retinopathy database and evaluation protocol”, Procedings Br. Mach. Vis. Conf. 2007, vol. 1, no. 3, p. 15.1-15.10, 2007.

R. Sitompul, “Retinopati Diabetik”, J Indon Med Assoc, vol. 61(8), no. Dm, pp. 337–341, 2011.

I. K. G. D. Putra and I. G. Suarjana, “Segmentasi citra retina digital retinopati diabetes untuk membantu pendeteksian mikroaneurisma”, J. Tek. Elektro, vol. 9, no. 1, pp. 1–9, 2010.

R. A. Kumalasanti, Ernawati, and B. Y. Dwiandiyanta, “Identifikasi tanda tangan statik menggunakan jaringan syaraf tiruan backpropagation dan wavelet haar”, Univ. Atma Jaya Yogyakarta, vol. 43, no. 274, pp. 93–100, 2015.

R. W. A. Puri, “Pengenalan wajah menggunakan alihragam wavelet haar dan jarak euclidien”, 2010.

R. A. Kumalasanti, Ernawati, and B. Y. Dwiandiyanta, “Perbandingan Identifikasi Tanda Tangan Statik Menggunakan Aliran Wavelet Haar dan Daubechies”, Semin. Nas. Teknol. Inf. dan Komun. 2016, pp. 18–19, 2016.

I. G. P. S. Wijaya and B. Kanata, “Pengenalan Citra Sidik Jari Berbasis Transformasi Wavelet dan Jaringan Syaraf Tiruan”, J. Tek. Elektro, vol. 4, no. 1, pp. 46–52, 2004.

N. Nurmila, A. Sugiharto, and E. A. Sarwoko, “Algoritma back propagation neural network untuk pengenalan pola karakter huruf jawa”, J. Masy. Inform. ISSN 2086-4930, vol. 1, no. 1, pp. 1–10, 2005.

A. Nurkhozin, M. I. Irawan, and I. Mukhlash, “Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Backpropagation Dan Learning”, Pros. Semin. Nas. Penelitian, Pendidik. dan Penerapan MIPA 2011, vol. 1, no. 7, pp. 1–8, 2011.

M. A. Ulinuha, I. K. E. Purnama, and M. Hariadi, “Segementasi Optic Disk pada Penderita Diabetic Retinopathy Menggunakan GVF Snake”, 2010.

I. D. Putra, “Identifikasi Tanda Tangan Menggunakan Probabilistic Neural Networks (PNN) Dengan Praproses Menggunakan Transformasi Wavelet”, 2009.

T. Chang and C. C. Jay Kuo, “Texture Analysis and Classification with Tree-Structured Wavelet Transform”, IEEE Trans. Image Process., vol. 2, no. 4, pp. 429–441, 1993.

J. J. Siang, “Jaringan Syaraf Tiruan dan Pemrogramannya Dengan Matlab”, 2005.

Refbacks

There are currently no refbacks.

FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id

Username
Password
Remember me