Febiani Nurrahmanti, - (2020) PENERAPAN PRINCIPAL COMPONENT ANALYSIS DAN LEARNING VECTOR QUANTIZATION 3 UNTUK KLASIFIKASI DIABETIK RETINOPATI BERDASARKAN CITRA RETINA MATA. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

	Text laporan kec bab v.pdf Download (6MB)
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Diabetik Retinopati merupakan penyakit yang menyrang retina mata dan dapat menyababkan kebutaan. Tingkat keparahan diabetic retinopati terbagi atas empat yaitu normal, Diabetik Retinopati Non-priliferative (DRNP), Diabetik Retinopati Proliferative (DRP) dan Makula Edema. Pada penelitian ini diabetic retinopati dapat dikelompokkan dengan mengkombinasikan metode Principal Component Analysis dan Learning Vector Quantization 3. Jumlah data yang digunakan 612 citra(data seimbang setiap kelas 153 data). Ukuran citra 300x300. Ekstrasi ciri citra digital yang digunakan yaitu Principal Component dengan menggunakan nilai Pro N 90, 150 serta pengelompokan dengan Learning Vector Quantization 3 dengan ℇ 0,2;0,3;0.4, Nilai window(ω) 0.1;0.2;0.3;dan nilai Learning Rate(α) 0.001;0.003;0.005. Hasil Penelitian ini adalah akurasi pengujian tertinggi yang diperoleh sebesar 78.68% dengan learning rate 0.001, ω=0.1, m=0.3, nilai N=50 dengan pembagian data 90% data latih 10% data uji dan jumlah vector pewakil yang digunakan sebanyak 8 vektor. Dengan demikian, algoritma Principal Component Analysis mampu mengenali ciri diabetik retinopati. Kata Kunci: Diabetik Retinopati, Principal Component Analysis, Learning Vector Quantization 3, Retina Mata

Actions (login required)

View Item