<![CDATA[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. DOI: 10.24843/MITE.1501.17]]>
Copyrights © 2016
