KLASIFIKASI PENYAKIT MATA KATARAK BERDASARKAN KELAINAN PATOLOGIS DENGAN MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION

Rudi Hariyanto, Achmad Basuki, Rini Nur Hasanah

Abstract


Katarak merupakan salah satu jenis kerusakan mata yang menyebabkan lensa mata berselaput, rabun yang bervariasi sesuai tingkatannya hingga menjadi kebutaan. Penyakit katarak ini menggerogoti mata secara perlahan, sedikit demi sedikit tanpa rasa sakit yang dialami pasien tetapi jika penanganannya terlambat maka mengakibatkan kebutaan permanen. Ketepatan penentuan jenis dan letak katarak secara dini sangat penting untuk mencegah dampak keparahan katarak yang lebih parah. Prosedur utama diagnosis katarak (Gold Standart Prosedur) dilakukan menggunakan Computed Tomography ( CT ) scan dan Magnetic Resonance Imaging (MRI). Alternatif diagnosis dapat dilakukan melalui pemeriksaan fisik, pemeriksaan laboratorium, riwayat penyakit, serta informasi lain yang terkait. Tujuan penulisan ini menyajikan hasil kajian mengenai implementasi metode Learning Vector Quantization (LVQ) untuk memudahkan klasifikasi penentuan jenis penyakit katarak serta tingkat keparahannya. Hasil penelitian menunjukkan bahwa penggunaan metode LVQ memberikan tingkat akurasi penentuan sebesar (99%) serta durasi waktu pelatihan (training) sampel sebesar (0,06 detik).

Kata Kunci: Katarak, Klasifikasi, Learning Vector Quantization

Full Text:

PDF (Indonesian)

References


Sidarta Ilyas,Kedaruratan Dalam Ilmu Penyakit Mata. Jakarta: Balai Penerbit FKUI, 2000.

Sidarta Ilyas,Penuntun Ilmu Penyakit Mata. Jakarta: Balai Penerbit FKUI, 2001.

Meimei Yang. Ji-Jiang Yang, 2013. Classification of Retinal Image for Automatic Cataract Detection. IEEE,

Hatmojo,Implementasi Wavelet Haar Dan Jaringan Tiruan Pada Pengenalan Pola Selaput Pelangi Mata Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), vol. 3, no. 1, 2014.

Sujoto T,Kecerdasan Buatan. Yogyakarta: Andi Offset, 2011.

Wuryandari, M dan Irawan, Afrianto,I.Perbandingan Metode Jaringan Syaraf Tiruan Backpropagation Dan Learning Vector Quantization Pada Pengenalan Wajah. Jurnal Komputer dan Informatika (KOMPUTA). 1 (1): 1 Volume. 1, Maret 2012. Hal 45-512012.

Kusumadewi,Membangun Jaringan Syaraf Tiruan Menggunakan Matlab & Excel Link. Yogyakarta: Graha Ilmu, 2004

Laurene Fausett, Fundamentals Of Neural networks. Architectures, Algorithms, And Applications, New Jersey Prentice-Hall, Inc, 1994




DOI: http://dx.doi.org/10.21107/nero.v2i3.63

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Rudi Hariyanto, Achmad Basuki, Rini Nur Hasanah

Creative Commons License
NERO (Networking Engineering Research Operation) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.