Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Network Engineering Research Operation [NERO]

KLASIFIKASI PENYAKIT MATA KATARAK BERDASARKAN KELAINAN PATOLOGIS DENGAN MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION Hariyanto, Rudi; Basuki, Achmad; Hasanah, Rini Nur
Network Engineering Research Operation [NERO] Vol 2, No 3 (2016): NERO
Publisher : Universitas Trunojoyo Madura

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

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
KLASIFIKASI PENYAKIT MATA KATARAK BERDASARKAN KELAINAN PATOLOGIS DENGAN MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION Rudi Hariyanto; Achmad Basuki; Rini Nur Hasanah
Network Engineering Research Operation Vol 2, No 3 (2016): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (655.322 KB) | DOI: 10.21107/nero.v2i3.63

Abstract