Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma

SUCI AULIA, SUGONDO HADIYOSO, DADAN NUR RAMADAN

Sari


ABSTRAK

Penelitian mengenai pengklasifikasian tingkat keparahan penyakit Diabetes Retinopati berbasis image processing masih hangat dibicarakan, citra yang biasa digunakan untuk mendeteksi jenis penyakit ini adalah citra optik disk, mikroaneurisma, eksudat, dan hemorrhages yang berasal dari citra fundus. Pada penelitian ini telah dilakukan perbandingan algoritma SVM dengan KNN untuk klasifikasi penyakit diabetes retinopati (mild, moderate, severe) berdasarkan citra eksudat dan microaneurisma. Untuk proses ekstraksi ciri digunakan metode wavelet  pada masing-masing kedua metode tersebut. Pada penelitian ini digunakan 160 data uji, masing-masing 40 citra untuk kelas normal, kelas mild, kelas moderate, kelas saviere. Tingkat akurasi yang diperoleh dengan menggunakan metode KNN lebih tinggi dibandingkan SVM, yaitu 65 % dan 62%. Klasifikasi dengan algoritma KNN diperoleh hasil terbaik dengan parameter K=9 cityblock. Sedangkan klasifikasi dengan metode SVM diperoleh hasil terbaik dengan parameter One Agains All.

Kata kunci: Diabetic Retinopathy, KNN , SVM, Wavelet.

 

ABSTRACT

Research based on severity classification of the disease diabetic retinopathy by using image processing method is still hotly debated, the image is used to detect the type of this disease is an optical image of the disk, microaneurysm, exudates, and bleeding of the image of the fundus. This study was performed to compare SVM method with KNN method for classification of diabetic retinopathy disease (mild, moderate, severe) based on exudate and microaneurysm image. For feature extraction uses wavelet method, and each of the two methods. This study made use of 160 test data, each of 40 images for normal class, mild class, moderate class, severe class. The accuracy obtained by KNN higher than SVM, with 65% and 62%. KNN classification method achieved the best results with the parameters K = 9, cityblock. While the classification with SVM method obtained the best results with parameters One agains all .

Keywords: Diabetic Retinopathy, KNN, SVM, Wavelet.


Teks Lengkap:

PDF

Referensi


Zahara, Haula Siva. (2011). Simulasi Untuk Klasifikasi Retinopati Diabetes Nonproliferatif Berdasarkan Mikroaneurisma dan Hemorrhages : Fakultas Elektro Dan Komunikasi. Institut Teknologi Telkom.

Riliandi, Gladi Yudha. (2013). Deteksi diabetes melali citra retina dengan menggunakan Transformasi wavelet dan learning vector quantization : Institut Teknologi Telkom.

Rajpoot, K, M., and Rajpoot, N, M.,(2004). Wavelets and Support Vector Machines for Texture Classification : Proceedings of INMIC.

Tjandrasa, H., Eka Putra, R., Wijaya, A., Arieshanti, I., (2013). Classification of Non-Poliferative Diabetic Retinopathy Based on hard Exudates Using Soft Margin SVM. Malaysia: IEEE International Conference on Control System, Computing and Engineering.

Santosa, Budi. (2005).Tutorial Vector Machine : Fakultas Teknik Industri.Institut Teknologi Surabaya.

Cristianini, N., and Shawe-Taylor, J.,( 2000). An Introduction to Support Vector Machines : Cambridge University Press.

Sudha, L. P., and Bhavani, R., (2012). Gait Base Gender Identification Using Statistical Pattern Classifiers : International Journal of Computer Application (0975-8887), Vol.40,No. 8.

Antal, B., Hajdu, A., 2012. An Ensemble-Base system for Microaneurysm Detection and Diabetic Retinopathy Grading : IEEE Transaction on biomedical engineering, Vol. 59, No. 6.

Gitasari, Ratna Ayu. (2015). Klasifikasi Penyakit Diabetes Retinopati Berdasarkan Citra Digital Dengan Menggunakan Metode Wavelet dan Support Vector Machine :Fakultas Teknik Elektro. Universitas Telkom.

Kerami, D., dan Murfi, H. (2004). Kajian Kemampuan Generalisasi Support Vector Machine Dalam Pengenalan Jenis Splice Pada Barisan DNA : Makara Sains, Vol. 8, No. 3, 89-95.

Vaughan DG, Asbury T, Eva PR. (2000). Oftalmologi Umum. Edisi ke-14. Jakarta: Widya Medika.211-4.




DOI: https://doi.org/10.26760/elkomika.v3i1.75

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (cetak) : 2338-8323   |  ISSN (elektronik) : 2459-9638    

diterbitkan oleh :

Teknik Elektro Institut Teknologi Nasional Bandung

Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124

Kontak : Tel. 7272215 (ext. 206)  Fax. 7202892

Surat Elektronik jte.itenas@itenas.ac.id

_________________________________________________________________________________________________________________________

Terindeks 

index copernicus

________________________________________________________________________________________________________________________

Statistik Pengunjung 

Free counters!

 Web
Analytics Made Easy - StatCounter

Lihat Statistik Jurnal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License