ANALISIS JUMLAH NODE HIDDEN LAYER ALGORITMA BACKPROPAGATION DALAM IDENTIFIKASI PENYAKIT MATA

Nur Nafi'iyah, Irma Dwi Rohmawati

Abstract


Mata mempunyai banyak manfaat, diantaranya dapat digunakan sebagai alat penglihatan dan alat pengenalan manusia karena setiap individu mempunyai karakteristik atau ciri yang berbeda setiap iris mata. Mata juga dapat digunakan sebagai alat bantu identifikasi penyakit, misalnya identifikasi penyakit mata, penyakit prankreas, penyakit ginjal, dan diabetic retinopathy berdasarkan citra iris mata. Ekstraksi fitur citra dan metode identifikasi sangat berpengaruh terhadap hasil identifikasi penyakit. Ekstraksi fitur yang digunakan dalam penelitian ini adalah fitur tekstur citra, yaitu nilai rata-rata citra grayscale, standar deviasi, skewness, variance, entropy, kontras, energi, korelasi, homogeneity. Citra input dari penelitian diambil dari kaggle dataset dengan jumlah kelas penyakit sebanyak tiga, yaitu Gloucoma, Cataracts, dan Uveitis. Tujuan penelitian ini menganalisis jumlah node di hidden layer Backpropagation dalam identifikasi penyakit mata. Metode Backpropagation yang diusulkan akan terdapat 4 jenis arsitektur sebagai berikut: arsitektur pertama 9 node input layer, 5 node hidden layer, dan 2 node output layer. Arsitektur kedua adalah 9, 7, 2, arsitektur ketiga 9, 9, 2, dan arsitektur keempat 9, 15, 2. Hasil dari ujicoba arsitektur yang nilai akurasinya terbaik adalah 9, 7, 2, dengan 9 node input layer, 7 node hidden layer, dan 2 node output layer sebesar 54.17%.

Full Text:

PDF

References


Acharya, U. R., Dua, S., Du, X., Sree S, V., & Chua, C. K. (2011). Automated diagnosis of glaucoma using texture and higher order spectra features. IEEE Transactions on Information Technology in Biomedicine. https://doi.org/10.1109/TITB.2011.2119322

Al Rivan, M. E., & Devella, S. (2020). Pengenalan Iris Menggunakan Fitur Local Binary Pattern dan RBF Classifier. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer. https://doi.org/10.24176/simet.v11i1.3717

Anantrasirichai, N., Achim, A., Morgan, J. E., Erchova, I., & Nicholson, L. (2013). SVM-based texture classification in Optical Coherence Tomography. In Proceedings - International Symposium on Biomedical Imaging. https://doi.org/10.1109/ISBI.2013.6556778

Annu, N., & Justin, J. (2013). Automated classification of glaucoma images by wavelet energy features. International Journal of Engineering and Technology.

Anraeni, S., Herman, & Arisandi, A. (2017). Ekstraksi Fitur Citra Iris Mata Menggunakan Pencirian Matriks Ko-Okurensi Aras Keabuan untuk Klasifikasi Kondisi Kesehatan Ginjal Iris Image Feature Exctraction Using Grey Level Co-Occurance Matrices for Kidney Health Classification, (July).

Arifin, T., & Herliana, A. (2020). Optimasi decision tree menggunakan particle swarm optimization untuk identifikasi penyakit mata berdasarkan analisa tekstur. Jurnal Teknologi Dan Sistem Komputer.

Dua, S., Rajendra Acharya, U., Chowriappa, P., & Vinitha Sree, S. (2012). Wavelet-based energy features for glaucomatous image classification. IEEE Transactions on Information Technology in Biomedicine. https://doi.org/10.1109/TITB.2011.2176540

Eskaprianda, A., Isnanto, R. R., & Santoso, I. (2011). Deteksi Kondisi Organ Pankreas Melalui Iris Mata Menggunakan Jaringan Syaraf Tiruan Metode Perambatan Balik dengan Pencirian Matriks Ko-Okurensi Aras Keabuan. TRANSMISI. https://doi.org/10.12777/transmisi.13.1.33-38

Faruk, M., & Nafi’iyah, N. (2020). Klasifikasi Kanker Kulit Berdasarkan Fitur Tekstur , Fitur Warna Citra Menggunakan SVM dan KNN. Telematika.

Herliana, A., & Arifin, T. (2019). Analisis Tekstur pada Citra Iris Mata Menggunakan Algoritma Gray Level Co-Occurency Matrix. Jurnal Pilar Nusa Mandiri. https://doi.org/10.33480/pilar.v15i2.680

Maimunah, & Harjoko, A. (2007). Sistem Pengenalan Iris Mata Manusia dengan Menggunakan Transformasi Wavelet. Seminar Nasional Aplikasi Teknologi Informasi.

Nafi’iyah, N., & Wardhani, R. (2016). Sistem Identifikasi Jenis Kelamin Manusia Berdasarkan Foto Panoramik. Seminar Nasional Hasil Penelitian Masyarakat, 120–125.

Sabrina, E. (2017). Klasifikasi Penyakit Diabetic Retinopathy Menggunakan Metode Learning Vector Quantization (LVQ). Jurnal Teknik Elektro.

Sinaga, A. S. R. (2020). Ekstrak Ciri Komunikasi Nonverbal Menggunakan Gray Level Co-Occurrence Matrix. INFORMATIKA. https://doi.org/10.36723/juri.v12i2.230




DOI: http://dx.doi.org/10.36723/juri.v14i1.249

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

 

 

 

 

 

View My Stats