Klasifikasi tingkat keparahan Retinopati Diabetik berdasarkan ekstraksi fitur citra Fundus Retina menggunakan Gray Level Co-Occurrence Matrix (GLCM)

Salamah, Siti (2022) Klasifikasi tingkat keparahan Retinopati Diabetik berdasarkan ekstraksi fitur citra Fundus Retina menggunakan Gray Level Co-Occurrence Matrix (GLCM). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (17kB) | Preview
[img] Text (ABSTRAK)
2_abstrak.pdf

Download (106kB)
[img] Text (DAFTAR ISI)
3_daftarisi.pdf

Download (108kB)
[img] Text (BAB I)
4_bab1.pdf

Download (157kB)
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (4MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (529kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (6MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (90kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (172kB) | Request a copy

Abstract

Retinopati diabetik adalah penyakit yang menyerang bagian retina dan menyebabkan kebutaan utama secara global akibat komplikasi dari diabetes melitus. Sebanyak 285 juta orang dengan diabetes melitus di seluruh dunia, sepertiga dari jumlah tersebut memiliki tanda-tanda retinopati diabetik dan mengancam penglihatan. Penentuan tingkat keparahan dari retinopati diabetik yang akurat sangat penting untuk menentukan prognosis dan pengobatan yang efektif. Penentuan tingkat keparahan dari retinopati diabetik secara manual oleh dokter memiliki keterbatasan karena karakteristik dari retinopati diabetik sendiri sulit dibedakan secara langsung. Pemilihan fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM) diusulkan untuk dapat menentukan tingkat keparahan dari retinopati diabetik berdasarkan fitur-fitur yang diekstrak pada citra fundus retina. Sebanyak 364 citra fundus retina bersumber dari repositori Indian Diabetic Retinopathy Image Dataset (IDRiD) digunakan. Proses penelitian terdiri dari segmentasi, ekstraksi fitur, dan klasifikasi. Sebanyak tiga belas fitur GLCM yang berhasil diekstrak digunakan untuk proses pelatihan sistem dengan Support Vector Machine (SVM) dan Random Forest (RF) Akurasi, sensitivitas, dan spesifitas dari sistem klasifikasi SVM berturut-turut 95.43%, 91.27%, dan 96.90%, Sedangkan untuk RF berturut-turut 94.20%, 86.73%, dan 96,90%.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Citra Fundus Retina ; Ekstraksi Fitur GLCM ; Kamera Fundus ; Retinopati Diabetik ; Segmentasi ; Sistem Klasifikasi
Subjects: Physics > Data Processing and Analysis of Physics
Light, Infrared and Ultraviolet Phenomena > Physical Optics
Applied Physics
Divisions: Fakultas Sains dan Teknologi > Program Studi Fisika
Depositing User: Siti Salamah
Date Deposited: 08 Aug 2022 05:00
Last Modified: 08 Aug 2022 05:00
URI: https://digilib.uinsgd.ac.id/id/eprint/54697

Actions (login required)

View Item View Item