PERBANDINGAN TINGKAT PENGENALAN CITRA DIABETIC RETINOPATHY PADA KOMBINASI PRINCIPLE COMPONENT DARI 4 CIRI BERBASIS METODE SVM (SUPPORT VECTOR MACHINE)
Abstract: 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.
Penulis: Sari Ayu Wulandari,
Rudy Tjahyono, Dian Retno Sawitri
Kode Jurnal: jptlisetrodd160007