ARIF MUDI PRIYATNO (2018) PENERAPAN WAVELET HAAR DAN BACKPROPAGATION UNTUK PENGELOMPOKAN DIABETIK RETINOPATI BERDASARKAN CITRA RETINA MATA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018131TIF.pdf Download (219kB) | Preview
Preview	Text 2. PENGESAHAN_2018131TIF.pdf Download (1MB) | Preview
Preview	Text 3. ABSTRAK_2018131TIF.pdf Download (238kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018131TIF.pdf Download (233kB) | Preview
Preview	Text 5. DAFTAR ISI_2018131TIF.pdf Download (267kB) | Preview
Preview	Text 6. BAB I_2018131TIF.pdf Download (225kB) | Preview
Preview	Text 7. BAB II_2018131TIF.pdf Download (1MB) | Preview
Preview	Text 8. BAB III_2018131TIF.pdf Download (302kB) | Preview
Preview	Text 9. BAB IV_2018131TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_2018131TIF.pdf Restricted to Repository staff only Download (941kB)
Preview	Text 11. BAB VI_2018131TIF.pdf Download (226kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018131TIF.pdf Download (205kB) | Preview

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 penelitian ini diabetik retinopati dapat dikelompokkan dengan mengkombinasikan metode wavelet haar dan backpropagation. Jumlah data yang digunakan 612 citra (data seimbang setiap kelas 153 data). Ukuran citra 2304�1536, 2240�1536 dan 1440�960. Ekstraksi ciri citra digital yang digunakan yaitu wavelet haar pada citra warna red, green dan blue (RGB)pada level 1 dan level 4 pada subband LL serta pengelompokan dengan backpropagation dengan learning rate 0,1; 0,01 dan 0,001; persentase pembagian data latih dan data uji adalah 70:30, 80:20, 90:10 dan 95:5, nilai MSE yang digunakan adalah 10-6, maksimum epoch 100.000 iterasi. Hasil penelitian ini adalah akurasi pengujian tertinggi yang diperoleh sebesar 56,25% dengan ukuran citra 2440�1448, haar level ke-4 serta persentase perbandingan data latih dan data uji 95:5, Learning rate 0,1;0,01 dan 0,001. Dengan demikian, algoritma wavelet haar tidak mampu mengenali ciri dari diabetik retinopati dan proses dekomposisi akan banyak menghilangkan informasi dari diabetik retinopati, serta hasil normalisasi LL1 memiliki perbedaan yang sangat dekat sehingga mempersulit pengelompokan dengan backpropagation. Kata Kunci: Backpropagation, Diabetik Retinopati, Retina Mata, RGB, Wavelet Haar

Actions (login required)

View Item