PENGEMBANGAN SISTEM PENDETEKSI KELAINAN HATI MENGGUNAKAN IRIDOLOGI DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN BALIK

Abstract

Abstrak

Iridologi adalah ilmu yang mempelajari struktur iris sebagai cerminan dari kondisi organ dan sistem dalam tubuh. Dalam studi ini, organ yang dideteksi adalah hati. Untuk mengetahui kondisi hati melalui iris, dilakukan analisis tekstur dan proses klasifikasi untuk membedakan iris mata yang memiliki kondisihati  normal dan abnormal. Aplikasi untuk mendeteksi kondisi hati dibuat menggunakan Matlab versi 8.1.0.604 (R2013a). Masukkan yang digunakan dalam pengolahan citra digital ini adalah mata yang memiliki kondisi hati normal dan abnormal, berdasarkan peta iridologi Bernard Jensen. Gambar tersebut kemudian dilakukan proses pengolahan citra, dan ekstraksi ciri GLCM. Hasil ekstraksi ciri ini digunakan sebagai data masukan (data pelatihan dan data uji) untuk jaringan syaraf  tiruam perambatan balik,  kemudian digunakan untuk mendiagnosis kondisi organ hati. Pada hasil pengujian didapatkan pengaruh jumlah unit lapis tersembunyi menunjukkan dengan bertambahnya jumlah unit pada lapis tersembunyi makan nilai MSE akan semakin menurun. Hal ini membuat kinerja jaringan semakin baik. Hal tersebut berdasarkan pada hasil pengujian 35 data uji dengan 4 variasi jumlah unit pada lapis tersembunyi yaitu, variasi jumlah unit lapis tersembunyi [40 (layer 1), 20 (layer 2)], [50 (layer 1), 20 (layer 2)], [70 (layer 1), 30 (layer 2)], dan [80 (layer 1), 30 (layer 2)]. Secara berurutan menunjukkan tingkat presentase keberhasilan 77,14 %, 80%, 88,57%, dan 91,42%.

                                                                                    .

Kata kunci: Iris mata, GLCM, Jaringan Saraf Tiruan,  Perambatan Balik

ABSTRACT

Iridology  is  the  study  of  iris  structure  as  a  reflection  of  the  organ  condition  and  systems  in  the human’s  body. In  this  study,  the organ  which  detected  is  liver. To  determine  the  condition  of  the  liver  through iris,  texture  analysi s  and classification  process  to  distinguish   iris of  eye  that  contains  the  condition  of  normal  and  abnormal  liver  is needed.  Application  for  detection  of  liver  conditions  was  made  using  Matlab  version  8.1.0.604 (R2013a). Inputs for this study  which  used   is  the  eye  image normal  and  abnormal  conditions  of  the  liver ,  based on Bernard Jensen’s iridology chart. The image  then  carried  out  with  image preprocess and  GLCM  feature extraction. Results  of  feature  extraction  used  as  input  data  for  the  ANN backpropagation. Test results obtained influence the number of hidden layer units showed a growing number of units in the hidden layer meal MSE value will decrease . This makes network performance is getting better . It is based on the test results 35 test data with four variations of the number of units in the hidden layer , namely , the variatiosn of the number of hidden layer units [40(layer1), 20 (layer2)], [50(layer1), 20(layer2)], [70(layer1), 30(layer2)] , and [80(layer1), 30(layer2)]. Sequentially shows the percentage success rate of 77.14 % , 80 % , 88.57 % , and 91.42 % .

Keywords: Iris, GLCM, Artificial Neural Network, Back Propagation