Deteksi Citra Retina Mata Untuk Proliferative Diabetic Retinopathy Menggunakan Seleksi Fitur Genetic Algorithm Dan Support Vector Machine

In’am, Rizkifika Asanul (2016) Deteksi Citra Retina Mata Untuk Proliferative Diabetic Retinopathy Menggunakan Seleksi Fitur Genetic Algorithm Dan Support Vector Machine. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5112100121-undergraduate-theses-.pdf - Published Version

Download (1MB)

Abstract

Diabetes militus adalah gangguan dari peredaran darah manusia. Diabetes ini disebabkan akan kurangnya insulin di dalam darah. Hal ini dapat menyebabkan meningkatnya tekanan darah yang dapat menyebabkan kerusakan sel pada jaringan tubuh dikarenakan tingginya tekanan darah. Salah satu akibat dari diabetes ini dapat dilihat melalui pembengkakan pembuluh pada jaringan organ. Salah satu jaringan yang dapat terganggu dari pembengkakan pembuluh darah adalah mata. Pada retina mata yang mengalami pembengkakan dapat disebut proliferative diabetic retinopathy. Untuk mempermudah pendeteksian dilakukan proses segmentasi vaskular, ekstraksi fitur segmen, serta klasifikasi. Tugas akhir ini mengimplementasikan salah satu metode pengklasifikasi yang dapat digunakan untuk klasifikasi segmen vaskular retina yaitu Support Vector Machine dan menggunakan metode seleksi fitur Genetic Algorithm. Tahap pertama yakni melakukan perbaikan terhadap citra menggunakan Frangi filter, metode praproses menggunakan mean filter dan masking, serta segmentasi citra menggunakan Bradley thresholding. Setelah itu dilakukan ekstraksi fitur untuk menjadi bahan inputan Genetic Algorithm yang dipadukan dengan Support Vector Machine. viii Hasil klasifikasi segmen vaskular normal dan abnormal dengan citra retina dari basis data STARE menggunakan metode Support Vector Machine yang dipadukan dengan seleksi fitur Genetic Algorithm menunjukkan akurasi terbaik sebesar 100% dengan menggunakan konfigurasi kernel polynomial dan method quadratic programming. Sehingga dapat disimpulkan bahwa kalsifikasi segmentasi vaskular retina yang digunakan pada Tugas akhir ini mampu melakukan segmentasi dan klasifikasi dengan baik. ========================================================== Diabetes militus is a diasese of human blood circulation. Diabetes is caused by lack amount of insulin in blood. It cause the higher blood pressure that can lead to vessel blood damage. One of the symtomps that can be seen is in retinal blood vessel. This kind of damage can be called proliferative diabetic retinopathy (PDR). To make it easier to detect PDR in retinal vessel we can detect it by doing segmentation of retinal vessel, feature exstraction of segmented vessel, and classification. The final project is to implement one of the methods classifiers that can be used for classification of retinal vascular segments namely Support Vector Machine and Genetic Algorithm as feature selection to optimize the classifier. The first step is to do image correction by using Frangi filter, Mean filter, and masking. The result is then segmented by using Bradley thresholding. The image is extracted to get some information related called feature. The feature is optimized by Genetic Algorithm collaborated with Support Vector Machine. The results of the classification of normal and abnormal vascular segments by retinal image from STARE database using Support Vector Machine methods shows the best accuracy of 100% x using kernel type polynomial and mthod quadratic programming. Therefor it can be concluded that the method used for retinal vascular segmentation and retinal vascular segments classification in this final project is reliable for segmentation and classification.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 005.746 Ina d
Uncontrolled Keywords: Klasifikasi, Genentic Algorithm, Support Vector Machine, Vaskular Retina
Subjects: Q Science > QA Mathematics > QA76.585 Cloud computing. Mobile computing.
Divisions: Faculty of Information and Communication Technology > Informatics
Depositing User: EKO BUDI RAHARJO
Date Deposited: 25 Nov 2019 05:52
Last Modified: 25 Nov 2019 05:52
URI: http://repository.its.ac.id/id/eprint/72021

Actions (login required)

View Item View Item