<![CDATA[Klasifikasi penyakit mata merupakan aspek penting dalam deteksi dini dan pengobatan berbagai penyakit mata. Dalam penelitian ini, kami mengusulkan model klasifikasi berbasis Support Vector Machine (1) untuk mengidentifikasi jenis penyakit mata secara lebih akurat. SVM dipilih karena memiliki kemampuan diferensiasi kelas tinggi dengan margin maksimal, terutama untuk data berdimensi besar dan kompleksitas variabel tinggi. Dataset yang digunakan berisi gambar mata dari berbagai kategori penyakit seperti katarak (2), glaukoma (3), dan retinopati diabetik (4). Setelah prapemrosesan dan ekstraksi fitur, model SVM dilatih dan diuji menggunakan pendekatan validasi silang (5) untuk mengevaluasi kinerjanya dalam hal akurasi, sensitivitas, dan spesifisitas. Hasil penelitian menunjukkan bahwa model SVM dapat mencapai akurasi tinggi dalam klasifikasi penyakit mata, sehingga memiliki potensi besar untuk diterapkan pada sistem pendukung diagnostik berbantuan komputer di masa depan.]]>
Copyrights © 2024
