<![CDATA[Retinopati Diabetik (RD) merupakan komplikasi mikrovaskular akibat diabetes melitus yang dapat menyebabkan kebutaan. Deteksi otomatis berbasis citra fundus retina menjadi solusi untuk meningkatkan efisiensi dan akurasi diagnosis. Penelitian ini mengembangkan sistem klasifikasi otomatis tingkat keparahan RD menggunakan metode ekstraksi fitur Tapis Gabor dan algoritma Support Vector Machine (SVM). Citra fundus diklasifikasikan ke dalam empat kelas: normal, mild, moderate, dan severe. Ekstraksi fitur dilakukan pada dua objek utama, yaitu pembuluh darah dan eksudat, menggunakan parameter statistik orde pertama berupa mean, variance, dan entropy dari hasil konvolusi Tapis Gabor. Klasifikasi menggunakan SVM dengan kernel Radial Basis Function dan dievaluasi melalui 10-fold stratified cross-validation. Hasil menunjukkan bahwa sistem berbasis fitur pembuluh darah memberikan akurasi, sensitivitas, dan spesifisitas rerata masing-masing sebesar 92,9%, 92,9%, dan 96,7%. Sementara itu, sistem berbasis eksudat menghasilkan akurasi 82,1%, sensitivitas 82,1%, dan spesifisitas 94%. Fitur pembuluh darah lebih stabil dalam mengidentifikasi seluruh kelas RD, sedangkan eksudat berkontribusi signifikan pada deteksi tingkat keparahan tinggi. Kombinasi kedua fitur direkomendasikan untuk meningkatkan performa sistem klasifikasi.]]>
Copyrights © 2025
