PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)

<span class="longtext"><span lang="EN-AU">Perbedaan pigmentasi mempengaruhi metode pengenalan pola citra retinopati diabetik beserta setting poinnya. Dibutuhkan sebuah perangkat lunak, yang mampu menjadi alat bantu pengenalan citra retinopati diabetik. Telah...

Full description

Bibliographic Details
Main Authors:	Sari Ayu Wulandari, Rudy Tjahyono, Dian Retno Sawitri
Format:	Article
Language:	English
Published:	Universitas Udayana 2016-06-01
Series:	Majalah Ilmiah Teknologi Elektro
Subjects:	Kanal Kuning, SVM, diabetic retinopathy, PCA
Online Access:	http://ojs.unud.ac.id/index.php/JTE/article/view/20859

_version_	1818570476143771648
author	Sari Ayu Wulandari Rudy Tjahyono Dian Retno Sawitri
author_facet	Sari Ayu Wulandari Rudy Tjahyono Dian Retno Sawitri
author_sort	Sari Ayu Wulandari
collection	DOAJ
description	<span class="longtext"><span lang="EN-AU">Perbedaan pigmentasi mempengaruhi metode pengenalan pola citra retinopati diabetik beserta setting poinnya. Dibutuhkan sebuah perangkat lunak, yang mampu menjadi alat bantu pengenalan citra retinopati diabetik. Telah dilakukan penelitian tentang pengenalan pola citra retinopati diabetik, dengan menggunakan citra kanal kuning (Yellow), dengan menggunakan filter gabor dan ciri yang diambil dari tiap citra adalah ciri rerata (Means), variasi Varians), skewness dan entropy, yang dilanjutkan dengan ekstraksi ciri PCA (Principle Component Analysis). Pada ekstraksi ciri PCA, Matriks hasil PCA merupakan matriks bujur sangkar, yang jumlah kolomnya, sama dengan jumlah ciri. Penelitian menggunakan 4 ciri, dengan demikian, terdapat 4 buah PC (Principle Component), PC1, PC2, PC3 dan PC4. Pada artikel ini akan dibahas mengenai tingkat akurasi tertinggi dari penggunaan pasangan PC. Tingkat akurasi, dihitung dengan menggunakan model linear dari SVM. Model dengan akurasi tertinggi dan tercepat adalah model pasangan PC1 dan PC2, yang mempunyai akurasi citra pembelajaran tertinggi yaitu 100% dan waktu tercepat, yang secara eksplisit diperlihatkan pada jumlah support vektor terkecil, yaitu 2. Pasangan yang mempunyai tingkat akurasi terburuk adalah PC3 dan PC4. Pengenalan turun pada citra pengujian, yaitu hanya 93,75%, hal ini disebabkan oleh pelebaran daerah cakupan. Pelebaran daerah cakupan kemungkinan disebabkan oleh pemilihan nilai rerata pada PCA, sebelum matriks reduksi. Pada penelitian berikutnya, bisa dilakukan dengan menggunakan pencarian nilai standart deviasi atau varians, dengan begitu, akan diketahui matriks reduksi yang mewakili sebaran angka pada matriks.<br /></span></span>
first_indexed	2024-12-14T13:42:02Z
format	Article
id	doaj.art-229d6ef5a770466eb4fe2d04d62dc4f3
institution	Directory Open Access Journal
issn	1693-2951 2503-2372
language	English
last_indexed	2024-12-14T13:42:02Z
publishDate	2016-06-01
publisher	Universitas Udayana
record_format	Article
series	Majalah Ilmiah Teknologi Elektro
spelling	doaj.art-229d6ef5a770466eb4fe2d04d62dc4f32022-12-21T22:59:26ZengUniversitas UdayanaMajalah Ilmiah Teknologi Elektro1693-29512503-23722016-06-011519510214820PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)Sari Ayu WulandariRudy TjahyonoDian Retno Sawitri<span class="longtext"><span lang="EN-AU">Perbedaan pigmentasi mempengaruhi metode pengenalan pola citra retinopati diabetik beserta setting poinnya. Dibutuhkan sebuah perangkat lunak, yang mampu menjadi alat bantu pengenalan citra retinopati diabetik. Telah dilakukan penelitian tentang pengenalan pola citra retinopati diabetik, dengan menggunakan citra kanal kuning (Yellow), dengan menggunakan filter gabor dan ciri yang diambil dari tiap citra adalah ciri rerata (Means), variasi Varians), skewness dan entropy, yang dilanjutkan dengan ekstraksi ciri PCA (Principle Component Analysis). Pada ekstraksi ciri PCA, Matriks hasil PCA merupakan matriks bujur sangkar, yang jumlah kolomnya, sama dengan jumlah ciri. Penelitian menggunakan 4 ciri, dengan demikian, terdapat 4 buah PC (Principle Component), PC1, PC2, PC3 dan PC4. Pada artikel ini akan dibahas mengenai tingkat akurasi tertinggi dari penggunaan pasangan PC. Tingkat akurasi, dihitung dengan menggunakan model linear dari SVM. Model dengan akurasi tertinggi dan tercepat adalah model pasangan PC1 dan PC2, yang mempunyai akurasi citra pembelajaran tertinggi yaitu 100% dan waktu tercepat, yang secara eksplisit diperlihatkan pada jumlah support vektor terkecil, yaitu 2. Pasangan yang mempunyai tingkat akurasi terburuk adalah PC3 dan PC4. Pengenalan turun pada citra pengujian, yaitu hanya 93,75%, hal ini disebabkan oleh pelebaran daerah cakupan. Pelebaran daerah cakupan kemungkinan disebabkan oleh pemilihan nilai rerata pada PCA, sebelum matriks reduksi. Pada penelitian berikutnya, bisa dilakukan dengan menggunakan pencarian nilai standart deviasi atau varians, dengan begitu, akan diketahui matriks reduksi yang mewakili sebaran angka pada matriks.<br /></span></span>http://ojs.unud.ac.id/index.php/JTE/article/view/20859Kanal Kuning, SVM, diabetic retinopathy, PCA
spellingShingle	Sari Ayu Wulandari Rudy Tjahyono Dian Retno Sawitri PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE) Majalah Ilmiah Teknologi Elektro Kanal Kuning, SVM, diabetic retinopathy, PCA
title	PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
title_full	PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
title_fullStr	PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
title_full_unstemmed	PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
title_short	PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
title_sort	perbandingan tingkat pengenalan citra diabetic retinopathy pada kombinasi principle component dari 4 ciri berbasis metode svm support vector machine
topic	Kanal Kuning, SVM, diabetic retinopathy, PCA
url	http://ojs.unud.ac.id/index.php/JTE/article/view/20859
work_keys_str_mv	AT sariayuwulandari perbandingantingkatpengenalancitradiabeticretinopathypadakombinasiprinciplecomponentdari4ciriberbasismetodesvmsupportvectormachine AT rudytjahyono perbandingantingkatpengenalancitradiabeticretinopathypadakombinasiprinciplecomponentdari4ciriberbasismetodesvmsupportvectormachine AT dianretnosawitri perbandingantingkatpengenalancitradiabeticretinopathypadakombinasiprinciplecomponentdari4ciriberbasismetodesvmsupportvectormachine

PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)

Similar Items