Klasifikasi Retinopati Diabetik Non-proliferatif Dan Proliferatif Berdasarkan Citra Fundus Menggunakan Metode Jaringan Saraf Tiruan Backpropagation

Abstract

Abstrak Retinopati diabetik merupakan komplikasi mikrovaskular retina mata yang ditemukan pada penderita diabetes melitus. Jika terus berlanjut, retinopati diabetik akan menjadi penyebab kebutaan. Retinopati diabetik memiliki tiga tipe sesuai dengan tingkat keparahan penderitanya, yaitu normal, non-proliferatif (NPDR), dan proliferatif (PDR). Seiring berkembangnya bidang teknologi, memungkinkan pengembangan suatu sistem berbasis pengolahan citra digital yang dapat mengklasifikasi tingkat keparahan retinopati diabetik. Tugas akhir ini, memanfaatkan pengolahan citra digital untuk klasifikasi tingkat keparahan retinopati diabetik berdasarkan citra fundus. Klasifikasi tersebut dibagi menjadi lima kelas, yaitu normal, non-proliferatif (meliputi mild, moderate, dan severe), serta proliferatif. Metode ekstraksi ciri yang digunakan adalah Gray Level Co-occurrence Matrix (GLCM) dan Jaringan Saraf Tiruan (JST) Backpropagation sebagai algoritma klasifikasi. Berdasarkan pengujian yang telah dilakukan, didapatkan akurasi terbaik sebesar 86.67% dengan jumlah data latih sebanyak 60 data. Parameter terbaik menggunakan citra seragam yang tidak dipotong, citra kanal merah, memiliki offset 0°, dengan proses klasifikasi menggunakan fungsi aktivasi tansig, jumlah neuron pada hidden layer sebanyak 200 buah, learning rate 0.01, epoch sebanyak 1000 kali, dan algoritma pelatihan menggunakan trainlm. Kata Kunci: Retinopati diabetik, NPDR, PDR, JST Backpropagation Abstract Diabetic retinopathy is a microvascular complication of the eye's retina found in people with diabetes mellitus. If it persists, diabetic retinopathy will be the cause of blindness. Diabetic retinopathy has three types according to the sufferer's severity, such as normal, non-proliferative (NPDR), and proliferative (PDR). It is inevitable that as technology develops, it may allow the development of a digital image processing system that can classify this diabetic retinopathy's severity. This final project, utilizing digital image processing to classify the diabetic retinopathy's severity based on fundus image. This classification is divided into five classes, such as normal, non-proliferative (including mild, moderate, and severe), and proliferative. The method of feature extraction used is Gray Level Co-occurrence Matrix (GLCM) and Artificial Neural Network (ANN) Backpropagation as a classification algorithm. Based on the tests that have been done, reached the best accuracy amount 86.67% with the number of train data as much as 60 data. The best parameter using the same uncut images, red canal images, 0° offset, that classify by tansig activation function, 200 neurons for hidden layer, learning rate 0.01, 1000 times epoch, and training algorithm using trainlm. Keywords: Diabetic Retinopathy, NPRD, PRD, ANN Backpropagation