Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Rocky Yefrenes Dillak
Program Studi Teknik Informatika Politeknik Negeri Kupang
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Citra Diabetic Retinopathy Menggunakan 3D-GLCM Projection Rocky Yefrenes Dillak; Martini Ganantowe Bintiri
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2013
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit diebetes melitus yang berkelanjutan akan mengakibatkan banyak komplikasi pada pasien penderita. Salah satu diantaranya adalah penyakit diabetic retinopathy. Pemeriksaan medis terhadap penderita penyakit diabetic retinopathy dilakukan pengamatan secara langsung pada citra retina menggunakan kamera fundus. Tingkat keparahan penyakit diabetic retinopathy dibagi atas empat kelas yakni: normal, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), dan macular edema (ME). Penelitian ini bertujuan untuk mengembangkan suatu metode yang dapat digunakan untuk mengklasifikasi tingkat keparahan penyakit diabetic retinopathy berdasarkan citra retina pasien . Proses klasifikasi terhadap tingkat keparahan penyakit diabetic retinopathy dilakukan berdasarkan ciri statistik dari citra retina pasien yang diperoleh melalui proses ekstraksi ciri menggunakan metode ekstraksi 3D-GLCM Projection yang merupakan modifikasi metode 3D-GLCM. Ciri-ciri statistik tersebut kemudian dilatih menggunakan jaringan saraf tiruan dengan aturan pembelajaran backpropagation algorithm. Berdasarkan hasil pengujian yang dilakukan maka metode ini dapat melakukan klasifikasi terhadap tingkat keparahan penyakit diabetic retinopathy dengan sensitivity sebesar 100%, spesivisity sebesar 91% dan akurasi sebesar 95,83%.
Co-Authors Martini Ganantowe Bintiri