Klasifikasi fitur diabetic retinopathy menggunakan fuzzy C-means (original) (raw)
Related papers
2014
Saya menyatakan dan bertanggung jawab dengan sebenarnya bahwa Skripsi ini adalah hasil karya saya sendiri kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya. Jika pada waktu selanjutnya ada pihak lain yang mengklain bahwa Skripsi ini sebagai karyanya, yang disertai bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar Sarjana Komputer saya beserta segala hak dan kewajiban yang melekat pada gelar tersebut".
Jurnal Teknologi Informasi dan Ilmu Komputer
Diabetic Retinopathy adalah komplikasi dari diabetes yang mengakibatkan gangguan pada retina mata. Gangguan tersebut dapat diketahui dengan deteksi awal melalui data yang diekstraksi dari citra mata. Deteksi awal dapat dilakukan dengan menggunakan metode clustering. Metode yang digunakan yaitu Fuzzy C-Means dan K-Means. Fuzzy C-Means dan K-Means memiliki kelemahan dari jumlah iterasi yang besar. Jumlah iterasi pada Fuzzy C-Means dan K-Means dapat dioptimasi dengan menggunakan Algoritma Genetika. Optimasi dilakukan dengan cara mengganti bagian pada Fuzzy C-Means dan K-Means pada saat menentukan pusat cluster. Dataset yang digunakan pada penelitian adalah dataset Diabetic Retinopathy. Hasil optimasi sebelum dan sesudah hybrid Algoritma Genetika pada Fuzzy C-Means terlihat pada nilai rata-rata iterasi dari 17,1 menjadi 6,65 terjadi penurunan sebesar 61,11% dan pada K-Means terlihat pada nilai rata-rata iterasi dari 10,85 menjadi 7,35 terjadi penurunan sebesar 32,25%. Berdasarkan hasil...
Klasifikasi Diabetic Retinopathy Menggunakan Seleksi Fitur Dan Support Vector Machine
Diabetic Retinopathy is a disease common complications of diabetes mellitus. The complications in the form of damages on the part of the retina of the eye. The high levels of glucose in the blood are the cause of small capillaries become broke and can lead to blindness. The symptoms shown by the sufferers of Diabetic Retinopaythy (DR), among others, microaneurysms, hemorrhages, exudates, soft hard exudate and neovascularization. These symptoms are at a certain intensity can be an indicator of the phase (the level of severity) DR sufferers. There are four stages of the process of pattern recognition, namely preprocessing,feature ekstraction, feature selection and classification. On preprocessing the image do Change the RGB image into Green channel, image Adaptive Histogram Equalization, removal of blood vessels, removal of optic disks, detection of exudate. A collection from the results of preprocessing placed in the vector of characteristics by using the feature extraction of GLCM consisting of order 1 and 2, to order then conducted as input Support Vector Machine (SVM). While in SVM there are three issues that emerged, namely; How to select a kernel function, what is the optimal number of input features, and how to determine the best kernel parameters. These issues are important, because the number of features affect the required kernel parameters values and vice versa, so that the selection of the features required in building the classification system. On the research of feature extraction methods was presented GLCM, features selection, and SVM for detecting diabetic retinopathy. feature selection process using the F-Score feature to select the results of features extraction. From the results of the selection of these features is used to input the classification. The dataset used amounted to 50 data, which is divided into 2 classes, where 25 sets taken from normal retinal scans and 25 sets of the rest of the scan of the retina with diabetic retinopathy. SVM classification with feature selection to increase accuracy and computational time than lose without a selection of features with a value of 90% accuracy and computational time 0.010 seconds.
2021
Penderita diabetes sering mengalami komplikasi seperti pada bagian mata yang disebut Diabetic Retinopathy (DR). DR juga penyebab paling sering terjadi pada kasus kebutaan. Hal tersebut dapat dicegah dengan pemeriksaan perkembangan secara rutin dan mendapatkan penanganan tepat sesuai dengan tingkat keparahannya. Dalam menentukan tingkat keparahan DR, seseorang memerlukan dokter ahli, biaya, dan waktu yang lama. Pada penelitian ini, dibuat suatu sistem klasifikasi untuk memudahkan dalam mengetahui tingkat keparahan penyakit DR menggunakan model Convolutional Neural Network (CNN) Deep Residual Network (ResNet). Data yang digunakan diambil dari citra fundus retina dari MESSIDOR dataset. Setiap data akan dilakukan proses cropping, resize, dan augmentasi, kemudian data dilatih menggunakan CNN model ResNet. Pada penelitian ini, dilakukan beberapa percobaan untuk mendapatkan hasil yang optimal yaitu perbandingan model arsitektur ResNet18, ResNet50, ResNet101. Hasil terbaik didapatkan oleh m...
Klasifikasi diabetic retinopathy menggunakan principal component analysis dengan Naïve Bayes
2014
INDONESIA: Salah satu dampak dari penyakit Diabetic Mellitus (DM) adalah penyumbatan pembuluh darah mata, dikenal sebagai penyakit Diabetic Retinopathy (DR). Gejala yang dapat ditemui oleh orang yang terkena penyakit ini adalah kesulitan dalam membaca, penglihatan kabur, penglihatan tiba-tiba menurun pada satu mata, melihat lingkaran-lingkaran cahaya, melihat bintik gelap, dan cahaya berkedip. Hal ini terjadi karena ada rembesan darah yang mengenai lensa mata. Penelitian dilakukan untuk membuat suatu aplikasi yang dapat menampilkan hasil klasifikasi Diabetic Retinopathy sesuai dengan tingkat stadiumnya yaitu normal, Mild Non-Proliferate Diabetic Retinopathy (Mild NPDR), Moderate Non-Proliferate Diabetic Retinopathy (Moderate NPDR) dan Proliferate Diabetic Retinopathy (PDR). Penelitian ini menggunakan pengolahan citra digital untuk mengekstrasi ciri dengan metode principal component analysis dan naive bayessian untuk mengklasifikasi ciri. Hasil pengujian aplikasi menunjukkan bahwa ti...
Jurnal Sains dan Seni ITS, 2017
Abstrak-Diabetic Retinopathy dapat menyebabkan seseorang kehilangan kemampuan penglihatannya dan pada keadaan yang parah dapat mengakibatkan kebutaan. Tingkat keparahan Non-Proliferative Diabetic Retinopathy (NPDR) dapat diketahui dengan mendeteksi kelainan berupa hard exudate pada retina, namun diagnosanya tidak bisa dilakukan dengan cepat karena pengamatan retina harus melewati beberapa proses. Teknologi pengolahan citra digital berbasis machine learning telah banyak digunakan untuk menyelesaikan permasalahan ini. Pada Tugas Akhir ini telah dilakukan penelitian untuk mengklasifikasikan tingkat keparahan NPDR secara otomatis dengan mengekstraksi karakteristik hard exudate menggunakan Gray Level Cooccurrence Matrix (GLCM) dan Neighborhood Gray-tone Difference Matrix (NGTDM) kemudian menentukan tingkat keparahannya menggunakan Extreme Learning Machine. Hasil akurasi tertingi yang didapat sebesar 91,22% untuk ekstraksi ciri dengan menggunakan GLCM.
Diabetic Retinopathy Menggunakan Seleksi Fitur Dan Support Vector Machine
2018
Diabetic Retinopathy is a disease common complications of diabetes mellitus. The complications in the form of damages on the part of the retina of the eye. The high levels of glucose in the blood are the cause of small capillaries become broke and can lead to blindness. The symptoms shown by the sufferers of Diabetic Retinopaythy (DR), among others, microaneurysms, hemorrhages, exudates, soft hard exudate and neovascularization. These symptoms are at a certain intensity can be an indicator of the phase (the level of severity) DR sufferers. There are four stages of the process of pattern recognition, namely preprocessing,feature ekstraction, feature selection and classification. On preprocessing the image do Change the RGB image into Green channel, image Adaptive Histogram Equalization, removal of blood vessels, removal of optic disks, detection of exudate. A collection from the results of preprocessing placed in the vector of characteristics by using the feature extraction of GLCM c...
Klasifikasi Penyakit Diabetic Retinopathy menggunakan Metode Learning Vector Quantization (LVQ)
2017
Abstrak Retinopati diabetes adalah salah satu komplikasi penyakit diabetes. Komplikasi tersebut berupa kerusakan pada bagian retina mata. Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat menyebabkan kebutaan. Gejala yang ditunjukkan oleh penderita Diabetic Retinopaythy (DR) antara lain microaneurysms, hemorrhages, hard exudate, soft exudates dan neovascularization. Gejala tersebut pada suatu intensitas tertentu dapat menjadi indikator fase (tingkatan keparahan) retinopati diabetes penderita. Penelitian ini dilakukan untuk mengklasifikasi penyakit retinopati diabetik dengan citra fundus retinoskopi melalui metode Kecerdasan Buatan, yaitu Learning Vector Quantization. Melalui tahapan proses pengolahan citra, mengubah intensitas citra, menghilangkan Diskus Optikus, kemudian melalui proses ekstraksi fitur citra yakni fitur citra pembuluh darah. Ekstraksi fitur warna citra menggunakan intensitas keabuan pada citra kemudian diubah m...