Penerapa Fuzzy Learning Vector Quantization pada Tingkat Keparahan Macula Edema Berdasarkan Citra Retina Mata

Tri Depa Riasta, 11351104702 (2020) Penerapa Fuzzy Learning Vector Quantization pada Tingkat Keparahan Macula Edema Berdasarkan Citra Retina Mata. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
LAPORAN- TRI DEPA RIASTA JILID.pdf

Download (4MB)
[img] Text (BAB V)
Bab V.pdf - Published Version
Restricted to Repository staff only

Download (5MB)

Abstract

Diabetes Macula Edema (DME) merupakan jenis penyakit gangguan penglihatan akibat dari diabetik retinopati stadium lanjut. Penyakit Diabetik Macula Edema mempengaruhi penglihatan pasien yang dapat menyebabkan kebutaan. Secara global, 21 juta orang diidentifikasi dengan DME dan tingkat prevalensi adalah 10,2%(Panozzo et al., 2004). Beberapa dokter spesialis mata melakukan pengamatan citra retina yang diambil dari hasil menggunakan kamera fendus dan mengelompokan jenis-jenis penyakit macula edema. Berdasarkan uraian masalah yang telah dijelaskan diatas dan peningkatan kasus macula edema diseluruh dunia dan diIndonesia, maka dibuat sebuah penelitian yang menggunakan pengolahan citra digital dan jaringan saraf tiruan. penelitian ini menggunakan metode Hue Saturation Value (HSV) untuk cirri warna, metode Local Binary Pattens (LBP) untuk ciri tekstur dan penelitian menggunakan metode Fuzzy Learning Vektor Quantization (FLVQ) klasifikasi data latih dan data uji,. Jumlah data yang diguakan yaitu 210 data dengan ukuran data 2304x 1536 dan pembagian data menggunakan kfold , learning rate minimal alfa (min α) 0,000001, nilai alfa (α) 0,02 , nilai pengurangan alfa 0,9 , nilai koefisien beta pelebaran (β1) 1,4 dan nilai koefisien beta penyempitan (β2) 0,8. Hasil dari penelitian yang menggunakan data citra retina mata mendapatkan akurasi tertinggi 76,5%. Sehingga dari penelitian yang dilakukan dapat disimpulkan bahwa metode yang digunakan dapat diterapkan pada klasifikasi Fuzzy Learning Vector Quantization. Kata Kunci: Diabetes Macula Edema, Fuzzy Learning Vector Quantization, Hue Saturation Value,Local Binary Pattens, K-fold.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 005 Program Komputer, program-program, data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 11 Jan 2020 04:47
Last Modified: 11 Jan 2020 04:48
URI: http://repository.uin-suska.ac.id/id/eprint/24703

Actions (login required)

View Item View Item