Model klasifikasi mata katarak dan normal menggunakan cnn, histogram, dan support vector machine
| Main Author: | Wirawan, Valencia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/4581/1/SKRIPSI%20Valencia%20Wirawan%20SI%2013110310023%20-%20Model%20Klasifikasi%20Mata%20Katarak%20dan%20Normal.pdf http://kc.umn.ac.id/4581/ |
Daftar Isi:
- Gangguan matadankebutaanmerupakankondisiyangdisebabkanolehke- keruhanpadalensamatayangdisebutkatarak.Perkembanganteknologidibidang pengolahan citramemungkinkanpendeteksiangangguanpadamatamelaluicitradi- gital mata.Kinitelahbanyakpenelitianpadacitramedistelahdiadopsiolehsebagian besar ilmuwandandokteryangdapatmembantudalammendeteksigangguanpada mata terutamakatarak.Namun,umumnyapenelitiantersebutmenggunakancitra medis ataudigitalyangrelatifmahaldansulitdidapatkanolehsebagianbesarorang, terutama masyarakatdinegaraberkembang,danmetodeyangrentanakantranslasi (pergeseran),sertaperubahanukurangambardanbentukobjek.Olehkarenaitu, perlu penelitianlebihlanjutmenggunakancitradigitaldenganformatyanglebih umum sepertiJPEGdanmetodeyanglebihkebalakantranslasidanperubahan ukuran, sertamampubekerjadenganbaikmenggunakancitradigitaldalamkondisi bebas. Data diolahmenggunakantigamacammetodeyaitu ConvolutionalNeural Network, histogram, dan Support VectorMachine. Datacitradigitalyangdigunakan memiliki duakategorikondisiyaitubebasdanideal.Jumlahdatayangterlalusedikit menyebabkan ConvolutionalNeuralNetwork tidak terlatihdenganbaik.Olehkarena itu, dibangunmodelklasifikasimenggunakanmetode histogram dan SVMyang dapat bekerjadenganbaikmenggunakanjumlahdatayangkecil. Akurasi klasifikasimenggunakan histogram mencapai 79.03%danSVMmen- capai 90.63%menggunakandatacitradigitaldalamkondisibebas.Penggunaancitra digital dalamkondisiidealdapatmemaksimalkantingkatakurasimasing-masing model hingga88.47%dan97.08%.SVMmemilikiperformapalingbaikkarena kemampuannyamengekstrakfiturspasialyangmembuathasilklasifikasisemakin akurat. KemampuanklasifikasiSVMjugamerupakanyangtercepat.SVMhanya membutuhkanwaktusekitar5.25milidetik,sedangkan histogram membutuhkan sekitar 82milidetikdanCNNmembutuhkansekitar0.96detikuntukmelakukan klasifikasi sebuahcitradigital.