Santy Swasono, 081511233065 (2019) KLASIFIKASI PENYAKIT RETINA MATA PADA CITRA FUNDUS MENGGUNAKAN METODE PI SIGMA NETWORK (PSN) DAN PRINCIPAL COMPONENT ANALYSIS (PCA). Skripsi thesis, Universitas Airlangga.

	Text (ABSTRAK) MPM 52 19 Swa K - ABSTRAK.pdf Download (72kB)
	Text (DAFTAR ISI) MPM 52 19 Swa K - DAFTAR ISI.pdf Download (224kB)
	Text (DAFTAR PUSTAKA) MPM 52 19 Swa K - DAFTAR PUSTAKA.pdf Download (144kB)
	Text (FULLTEXT) MPM 52 19 Swa K - FULLTEXT.pdf Restricted to Registered users only until 26 June 2022. Download (2MB) | Request a copy

Abstract

Mata adalah salah satu bagian terpenting pada tubuh yang memiliki banyak bagian atau lapisan, salah satunya adalah retina mata. Retina merupakan sebuah lapiran tipis yang melapisi bagian belakang mata dan berfungsi untuk menerima cahaya, mengubah cahaya menjadi sinyal saraf yang kemudian diteruskan ke otak. Sepertihalnya bagian tubuh lainnya, retina juga dapat mengalami penyakit atau ketidaknormalan yang dapat mengganggu proses penglihatan. Terdapat beberapa penyakit retina mata seperti Ablasio Retina, Age-related Macular Degeneration (AMD), dan Retinopati Diabetik. Pemeriksaan citra fundus mata dapat dimanfaatkan untuk mengklasifikasikan apakah citra tersebut mengalami penyakit retina mata atau tidak menggunakan metode Pi Sigma Network (PSN) dan Principal Component Analysis (PCA). Data yang digunakan dalam penelitian ini diambil dari Rumah Sakit Mata Masyarakat Surabaya berupa 40 citra fundus retina mata yang terdiri dari 10 citra fundus Ablasio Retina, 10 citra fundus Age-related Macular Degeneration (AMD), 10 citra fundus Retinopati Diabetik, dan 10 citra fundus normal. Citra tersebut akan dibagi menjadi dua proses, antara lain proses pelathan menggunakan 28 citra dan proses uji validasi menggunakan 12 citra. Terdapat beberapa langkah yang dilakukan, yaitu prapemrosesan citra, ekstraksi citra, dan klasifikasi citra. Hasil dari reduksi citra akan digunakan untuk mengklasifikasikan penyakit retina mata menggunakan Pi Sigma Network (PSN) untuk mendapatkan parameter-parameter yang optimal untuk proses uji validasi. Hasil dari proses uji validasi menunjukkan bahwa akurasi dalam mengklasifikasikan penyakit retina mata pada citra fundus adalah 100%. Pada penelitian ini digunakan beberapa software seperti Netbeans IDE 8.2 dan Matlab R2017a.

Actions (login required)

View Item