KLASIFIKASI PENYAKIT KATARAK MATA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN EKSTRAKSI FITUR HSV

Iqbal, Dzaky Muhammad (2023) KLASIFIKASI PENYAKIT KATARAK MATA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN EKSTRAKSI FITUR HSV. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (33kB)
	Text COVER.pdf Download (152kB)
	Text DAFTAR ISI.pdf Download (93kB)
	Text DAFTAR PUSTAKA.pdf Download (199kB)
	Text LEMBAR PENGESAHAN PEMBIMBING.pdf Download (185kB)
	Text SKRIPSI FULL_DZAKY MUHAMMAD IQBAL_123170085.pdf Restricted to Repository staff only Download (2MB)

Abstract

1
ABSTRAK
Klasifikasi penyakit katarak mata menggunakan citra fundus mata perlu melibatkan ahli
pada bidang organ mata. Dimana dalam mengklasifikasikan katarak mata yang akan
diklasifikasikan, para ahli perlu dalam melakukan pengambilan foto fundus mata agar dapat
memperoleh hasil yang baik. Dengan berkembangnya teknologi khususnya computer science
terdapat bidang yang dapat melakukan klasifikasi objek yaitu machine learning . Denga adanya
bidang studi tersebut dapat membantu para peneliti dan orang awam dalam melakukan klasifikasi
penyakit mata terutama katarak mata dengan lebih mudah. Pada penelitian yang akan dilakukan
akan menggunakan media gambar/citra yang memliki objek gambar berupa gambar fundus mata.
Gambar fundus yang digunakan merupakan gambar dari fundus mata katarak dan mata normal.
Untuk metode yang digunakan adalah metode yang sering digunakan dalam mengklasifikasi
gambar yaitu support vector machine. Pada penelitian ini ingin mengetahui bagaimana tingkat
akurasi dari penggunakan support vector machine dan ekstraksi fitur hue saturation value apabila
digunakan untuk mengklasifikasi penyakit katarak mata menggunakan hasil foto fundus mata.
Pada penelitian ini akan melakukan kalsifikasi menjadi 2 kategori yang berbeda . Pada
tahap awal gambaar dengan model format RGB akan dirubah menjadi format model HSV. Dimana
gambar akan dilakukan ekstraksi sehingga mendapatkan hasil nilai dari hue,saturation dan value
dari gambar. Ekstraksi tersebut untuk mendapatkan nilai model warna yang terbaik yang dapat
digunakan untuk proses klasifikasi. Metode support vector machine (SVM) dipilih untuk dapat
mengklasifikasi gambar/citra karena dapat membentuk clas-class dimana dapat menentukan atau
membagi setiap setiap data menjadi kelas tertentu. Setelah terbagi menjadi kelas yang ditentukan,
maka akan dilakukan classifier kedalam kategori yang telah ditentukan. yaitu mata katarak dan
mata normal. Pada metode SVM ini, menggunakan kernel trik, dimana kernel yang digunakan
pada penelitian ini menggunakan kernel linear dikarenakan penggunaan kernel linear dapat
menghasilkan model yang optimal sehingga dapat menghasilkan klasifikasi yang baik.
Metode pengujian model dalam penelitian ini menggunakan confusion matrix untuk
menetukan tingkat akurasi yang dihasilkan oleh model dari SVM. Dengan resolusi gambar sebesar
600 x 400 pixel dapat memperoleh hasil yang baik unutk proses klasifikasi. Hasil pengujian dari
confusion matrix ini memperoleh nilai akurasi ,recall dan presisi. Untuk nilai akurasi pada
penelitian ini memperoleh hasil sebesar 87% ,untuk racall memperoleh hasil sebesar 88% dan
untuk nilai persisi sebesar 90%.
Kata Kunci : Hue Saturation Value , Support Vector Machine, Klasifikasi citra

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Hue Saturation Value , Support Vector Machine, Klasifikasi citra
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	17 Jan 2023 03:09
Last Modified:	17 Jan 2023 03:09
URI:	http://eprints.upnyk.ac.id/id/eprint/32441

Actions (login required)

View Item