This Author published in this journals
All Journal SENTIA 2016
Indra Ginanjar A.T
Seminar Nasional Teknologi Informasi Politeknik Negeri Malang

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

Found 1 Documents
Search

KLASIFIKASI GLAUKOMA MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION Endi Permata; Ri Munarto; Indra Ginanjar A.T
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.513 KB)

Abstract

Glaukoma merupakan penyakit pada retina yang disebabkan oleh tingginya tekanan intraokular. Tekanan intraokular pada penderita glaukoma bisa mencapai 60-70mmHg. Penyakit ini ditandai dengan semakin besarnya ukuran cup to disc ratio (CDR). Penyakit glaukoma mempunyai tiga tingkatan yaitu ringan (mild) dengan nilai CDR 0,3-0,5, sedang (moderate) dengan nilai CDR 0,5-0,7 dan parah (severe) dengan nilai CDR diatas 0,7. Untuk analisis retina dan menghitung  nilai CDR yang diambil dari kamera fundus, harus dilakukan oleh dokter mata ahli, namun membutuhkan waktu cukup lama. Oleh karena itu, deteksi ciri dan perhitungan nilai CDR otomatis diharapkan dapat membantu dokter dalam menganalisis penyakit glaukoma. Data yang digunakan sebanyak 60 citra fundus retina yang terdiri dari 20 citra glaukoma ringan, 20 citra glaukoma sedang dan 20 citra glaukoma parah yang diambil dari Rumah Sakit Mata Nasional Cicendo Bandung dan Jakarta Eye Center. Metode yang digunakan untuk mengklasifikasi tingkat glaukoma adalah jaringan saraf tiruan backpropagation. Hasil simulasi pengujian dengan menggunakan software MATLAB R2014b didapatkan nilai akurasi kelas mild sebesar 99% dengan sensitivity 99% dan specificity 97,5%. Akurasi kelas moderate sebesar  85%  dengan  sensitivity 85%  dan  specificity 99%.  Akurasi  kelas  severe sebesar  99%  dengan sensitivity 99% dan specificity 98%. Nilai akurasi rata-rata sistem klasifikasi glaukoma adalah 94,2%.