1Jurusan Teknik Elektro, Universitas Diponegoro Semarang , Indonesia
2Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia
BibTex Citation Data :
@article{Transient3510, author = {Donny Rizky and R. Isnanto and Achmad Hidayatno}, title = {KLASIFIKASI PENYAKIT DIABETES MELITUS BERDASAR CITRA RETINA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DENGAN JARINGAN SARAF TIRUAN}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {2}, number = {3}, year = {2013}, keywords = {}, abstract = { A bstrak Seiring dengan perkembangan teknologi dan jaman, teknik identifikasi secara konvensional dinilai sudah tidak praktis dan memiliki berbagai kelemahan. Hal ini menimbulkan ide untuk membuat suatu teknik klasifikasi penyakit diabetes mellitus menggunakan pengekstrasi ciri PCA berdasar ciri alami manusia. Salah satunya adalah dengan menggunakan retina mata manusia sebagai objeknya. Dalam penelitian ini akan digunakan metode ekstrasi ciri secara statistik yang secara luas telah lama digunakan yaitu PCA (Principal Components Analysis). PCA atau Principal component analysis sebagai salah satu metode untuk pengolahan citra masih relatif jarang digunakan sebagai pengekstraksi ciri pola retina mata. Pemilihan metode ekstraksi ciri yang tepat dan efisien sangat menentukan keberhasilan dari sistem klasifikasi secara keseluruhan. Pengujian bertujuan untuk mengklasifikasikan beberapa citra dari basisdata Messidor. Citra masukkan berformat TIFF dengan ukuran 680x452. Hasil analisis kemudian diolah dengan 5 variasi komponen utama dan 5 variasi jumlah neuron tersembunyi untuk dikombinasikan yang bertujuan untuk menghasilkan tingkat keberhasilannya akurat. Dari hasil pengujian kombinasi variasi komponen utama dan jumlah neuron tersembunyi dengan 15 data latih dan 15 data uji memiliki tingkat keberhasilan terbaik yaitu 78,334%. Hal ini dapat disimpulkan bahwa kombinasi metode PCA dan jaringan saraf tiruan perambatan balik cocok untuk mengklasifikasikan penyakit diabetes mellitus. Kata Kunci: Retina , Principal component analysis , Jaringan Saraf Tiruan Perambatan Balik Abstract Along with the development of technology and time, the conventional identification techniques is considered impractical and have various weaknesses. This has led to the idea to create a technique classification of diabetes mellitus using PCA based extraction characteristic traits of human nature. One is by use the human eye retina as its object. In this research will use statistical characteristic extraction method that has long been widely used that is PCA (Principal Components Analysis). PCA or Principal component analysis as a method for image processing is still relatively rarely used as extracting characteristic patterns retina. The selection of appropriate feature extraction methods and efficiently determine the success of the classification system overall.Tests aim to classify some images from database Messidor. Insert TIFF image format with 680x452 size. Results of the analysis are then processed with 5 variations of major components and the amount of variation in the amount of 5 hidden neurons to combined that aims to produce an accurate success rate. Combination of the results of testing the major components and the amount of variation in hidden neurons with 15 training data and 15 test data has the best success rate is 78.334%. It can be concluded that the combination of PCA and back propagation neural network suitable for classifying diabetes mellitus. Keywords : Retina, Principal component analysis, analysis neural network backpropagation }, issn = {2685-0206}, pages = {552--557} doi = {10.14710/transient.v2i3.552-557}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/3510} }
Refworks Citation Data :
Abstrak
Seiring dengan perkembangan teknologi dan jaman, teknik identifikasi secara konvensional dinilai sudah tidak praktis dan memiliki berbagai kelemahan. Hal ini menimbulkan ide untuk membuat suatu teknik klasifikasi penyakit diabetes mellitus menggunakan pengekstrasi ciri PCA berdasar ciri alami manusia. Salah satunya adalah dengan menggunakan retina mata manusia sebagai objeknya. Dalam penelitian ini akan digunakan metode ekstrasi ciri secara statistik yang secara luas telah lama digunakan yaitu PCA (Principal Components Analysis). PCA atau Principal component analysis sebagai salah satu metode untuk pengolahan citra masih relatif jarang digunakan sebagai pengekstraksi ciri pola retina mata. Pemilihan metode ekstraksi ciri yang tepat dan efisien sangat menentukan keberhasilan dari sistem klasifikasi secara keseluruhan. Pengujian bertujuan untuk mengklasifikasikan beberapa citra dari basisdata Messidor. Citra masukkan berformat TIFF dengan ukuran 680x452. Hasil analisis kemudian diolah dengan 5 variasi komponen utama dan 5 variasi jumlah neuron tersembunyi untuk dikombinasikan yang bertujuan untuk menghasilkan tingkat keberhasilannya akurat. Dari hasil pengujian kombinasi variasi komponen utama dan jumlah neuron tersembunyi dengan 15 data latih dan 15 data uji memiliki tingkat keberhasilan terbaik yaitu 78,334%. Hal ini dapat disimpulkan bahwa kombinasi metode PCA dan jaringan saraf tiruan perambatan balik cocok untuk mengklasifikasikan penyakit diabetes mellitus.
Kata Kunci: Retina, Principal component analysis, Jaringan Saraf Tiruan Perambatan Balik
Abstract
Along with the development of technology and time, the conventional identification techniques is considered impractical and have various weaknesses. This has led to the idea to create a technique classification of diabetes mellitus using PCA based extraction characteristic traits of human nature. One is by use the human eye retina as its object. In this research will use statistical characteristic extraction method that has long been widely used that is PCA (Principal Components Analysis). PCA or Principal component analysis as a method for image processing is still relatively rarely used as extracting characteristic patterns retina. The selection of appropriate feature extraction methods and efficiently determine the success of the classification system overall.Tests aim to classify some images from database Messidor. Insert TIFF image format with 680x452 size. Results of the analysis are then processed with 5 variations of major components and the amount of variation in the amount of 5 hidden neurons to combined that aims to produce an accurate success rate. Combination of the results of testing the major components and the amount of variation in hidden neurons with 15 training data and 15 test data has the best success rate is 78.334%. It can be concluded that the combination of PCA and back propagation neural network suitable for classifying diabetes mellitus.
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id