Klasifikasi Tingkat Keparahan Non-Proliferative Diabetic Retinopathy pada Citra Fundus Retina Mata

Putra, Ricky Eka (2020) Klasifikasi Tingkat Keparahan Non-Proliferative Diabetic Retinopathy pada Citra Fundus Retina Mata. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 05111160012003-Disertation.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Diabetic retinopathy merupakan salah satu penyakit komplikasi dari diabetes mellitus yang menyerang mata manusia. Tingkat resiko terbesar dari penyakit ini adalah kebutaan. Non-Proliferative Diabetic Retinopathy merupakan salah satu jenis diabetic retinopathy pada tahap awal dengan ditandai tidak adanya pertumbuhan pembuluh darah baru. Tingkat keparahan Non-Proliferative Diabetic Retinopathy dapat dibedakan menjadi tiga yakni mild, moderate, dan severe. Tingkat keparahan dari penderita diabetic retinopathy perlu diketahui lebih dini agar dapat dilakukan penanganan secepatnya.
Pengelompokan Non-Proliferative Diabetic Retinopathy melibatkan dua cara yakni secara konvensional dan inkonvesional. Pada proses pendeteksian memerlukan segmentasi lesi-lesi tersebut, antara lain microaneurysms, hemorrhage, dan exudates. Proses segmentasi tersebut menggunakan metode morfologi matematika yang merupakan metode konvensional. Selanjutnya, proses klasifikasi tingkat keparahan diabetic retinopathy menggunakan metode Adaptive Neuro Fuzzy Inference System dengan berdasarkan fitur exudates.
Selain itu, klasifikasi tingkat keparahan Non-Proliferative Diabetic Retinopathy menggunakan cara inkonvensional dapat dilakukan dengan memanfaatkan deep learning. Pra-proses dalam klasifikasi ini memanfaatkan tiga metode Adaptive Histogram Equalization, Morphology Contrast Enhancement, dan Homomorphic untuk meningkatkan kontras citra. Kemudian metode Convolutional Neural Network dengan arsitektur GoogLeNet, ResNet18, ResNet50, dan ResNet101 digunakan sebagai pengekstraksian fitur serta melakukan pereduksian fitur menggunakan Relief dan Principal Component Analysis. Selanjutnya, metode Support Vector Machine Naïve Bayes digunakan sebagai classifier pada proses klasifikasi ini.
Hasil akurasi terbaik klasifikasi yang diperoleh dengan menggunakan cara konvensional adalah 85.06%, sedangkan hasil akurasi terbaik pada cara inkonvensional diperoleh dengan menggunakan metode pra-proses Homomorphic dan Morphology Contrast Enhancement serta relief sebagai reduksi fiturnya. Nilai akurasi terbaik yang dapat dicapai dengan menerapkan metode-metode tersebut adalah 87.5%.

Kata kunci: Klasifikasi Tingkat Keparahan, Non-Proliferative Diabetic Retinopathy, Convolutional Neural Network, Support Vector Machine – Naïve Bayes, Adaptive Neuro Fuzzy Inference System

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Klasifikasi Tingkat Keparahan, Non-Proliferative Diabetic Retinopathy, Convolutional Neural Network, Support Vector Machine – Naïve Bayes, Adaptive Neuro Fuzzy Inference System
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP Q Science > QA Mathematics > QA76 Computer software Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science)
Depositing User:	Ricky Eka Putra
Date Deposited:	24 Aug 2020 02:56
Last Modified:	24 Aug 2020 02:56
URI:	http://repository.its.ac.id/id/eprint/80818

Actions (login required)

View Item