<![CDATA[Glaukoma merupakan penyakit mata dengan adanya peningkatan tekanan intraokular yang menyebabkan kerusakan saraf optik dan dapat menyebabkan kebutaan secara permanen. Untuk mendeteksi glaukoma, dokter mata umumnya menghitung rasio Cup to Disc Ratio (CDR) melalui analisis citra fundus retina secara manual. Metode ini memerlukan waktu lama dan bergantung pada keahlian dokter, sehingga kurang efektif dan kurang akurat. Oleh karena itu, diperlukan sistem otomatis yang dapat mendeteksi glaukoma dengan akurat dan efisien. Penelitian ini bertujuan untuk menyebarkan jumlah dan kombinasi fitur ekstraksi terbaik dalam mendeteksi glaukoma, dengan menggunakan fitur-fitur seperti Rim to Disc Ratio (RDR), Cup to Disk Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), dan Horizontal to Vertical CDR (HV CDR), serta mengimplementasikan metode klasifikasi Artificial Neural Network (ANN) Back Propagation dengan jumlah data inputan 160 citra, 80 citra normal dan 80 citra glaukoma. Pada penelitian ini menghasilkan akurasi sebesar 97.50% dengan kombinasi fitur ekstraksi ciri CDR dan VCDR]]>
Copyrights © 2025
