<![CDATA[Abstrak Seiring berkembangnya teknologi saat ini, kita dapat memanfaatkan pengolahan citra digital sebagai cara untuk mendeteksi penyakit katarak. Pada pengolahan citra digital ini, akan dilakukan pengenalan suatu objek yang dapat dilakukan dengan mengenali algoritma tertentu. Pada tugas akhir ini menggunakan pengolahan citra digital untuk mempercepat proses identifikasi penyakit katarak. Pada identifikasi ini akan menggunakan metode DCT (Discrete Cosine Transform). Metode ini merupakan suatu metode yang akan digunakan dalam proses pemampatan file citra, yaitu untuk mentransformasikan sebuah matriks citra dengan representasi lain serta dapat digunakan di daerah pengolahan digital untuk keperluan pengenalan pola. Kemudian menggunakan Jaringan Saraf Tiruan Backpropagation (JST Backpropagation) sebagai pengklasifikasi citra uji. Hasil yang di peroleh adalah berupa sebuah simulasi perangkat lunak operasi matriks yang dapat digunakan untuk mengetahui dan mengklasifikasi mata katarak dengan akurasi sebesar 86,67% dengan waktu komputasi terbaik 3,666 detik menggunakan jumlah data latih dan data uji masing-masing 45 buah data, parameter orde satu standard deviation dan entropy, blok size DCT 5, saat epoch bernilai 1000, learning rate bernilai 1, dan hidden layer bernilai 5. Kata Kunci : DCT, JST Backpropagation, Katarak Abstract As technology develops today, we can utilize digital image processing as a way to detect cataract disease. In this digital image processing, we will do the introduction of an object that can be done by recognizing a particular algorithm. In this final project the research will use digital image processing to speed up the process of identification of cataract disease. This identification will use the DCT (Discrete Cosine Transform) method. This method is a method that will be used in image file compression process, that is to transform an image matrix with another representation and can be used in digital processing area for pattern recognition purposes. Then using Backpropagation Neural Network (JST Backpropagation) as the classifier of test image. The result obtained are a simulation of matrix operating software that can be used to know and classify cataract eyes with an accuracy of 86,67% with the best computation time 3,666 seconds using the amount of training data and test data for each of 45 pieces, the first orde parameter standard deviation and entropy, DCT size 5 block, when epoch is 1000, the learning rate is 1, and hidden layer is 5. Keywords : DCT, JST Backpropagation, Cataract]]>
Copyrights © 2019
