SARAH AFRINA SARI (2018) PENERAPAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) dan BACKPROPAGATION NEURAL NETWORK (BPNN)UNTUK IDENTIFIKASI GLAUKOMA MELALUI CITRA RETINA MATA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018570TIF.pdf Download (373kB) | Preview |
|
|
Text
2. PENGESAHAN_2018570TIF.pdf Download (1MB) | Preview |
|
|
Text
3. ABSTRAK_2018570TIF.pdf Download (607kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018570TIF.pdf Download (677kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018570TIF.pdf Download (545kB) | Preview |
|
|
Text
6. BAB I_2018570TIF.pdf Download (707kB) | Preview |
|
|
Text
7. BAB II_2018570TIF.pdf Download (1MB) | Preview |
|
|
Text
8. BAB III_2018570TIF.pdf Download (799kB) | Preview |
|
|
Text
9. BAB IV_2018570TIF.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018570TIF.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
11. BAB VI_2018570TIF.pdf Download (658kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018570TIF.pdf Download (546kB) | Preview |
Abstract
Glaukoma merupakan penyakit saraf optik yang disebabkan oleh peningkatan tekanan intraocular pada mata. Glaukoma dapat menyebabkan kebutaan jika tidak terdeteksi dan diobati dalam waktu yang tepat. Deteksi glaukoma dapat didiagnosis dengan oftalmosp kopi, tetapi untuk memeriksa perubahan morfologis dari disk optik atau serat saraf retina, membutuhkan banyak waktu dan membutuhkan biaya lebih. Penyakit ini dapat diidentifikasi dengan menggabungkan pengolahan citra dan teknik jaringan saraf. Ekstraksi gambar yang digunakan dalam kasus ini adalah dengan menggunakan fitur tekstur dari Gray Level Co-occurrence Matrix. Backpropagation Neural Network digunakan sebagai jaringan saraf untuk mengidentifikasi glaukoma. Hasil dari penelitian ini menunjukkan bahwa pembelajaran terbaik dilakukan dengan menggunakan nilai α=0,01 dan α=0,001 dan error = 0,01 akurasi tertinggi sebesar 100% dilatih dengan 90% data pelatihan dan diuji dengan 10% data pengujian. Akurasi terendah adalah 96,67% dilatih dengan 50% data pelatihan dan diuji dengan 50% data pengujian. Kesimpulan dari penelitian ini algoritma yang diusulkan dapat mengidentifikasi glaukoma dengan baik. Kata kunci: Backpropagation Neural Network, Disk Optik, Glaukoma, Gray Level Co-occurrence Matrix, Jaringan Saraf, Pengolahan Citra.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 25 Jul 2019 08:33 |
| Last Modified: | 25 Jul 2019 08:33 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16807 |
Actions (login required)
 |
View Item |