Perbandingan Algoritma LVQ dan RBFNN Untuk Identifikasi Glaukoma dan Diabetes Retinopati Pada Citra Fundus

  • Kevin Oktavius STMIK Global Informatika MDP
  • Siska Devella STMIK Global Informatika MDP
Keywords: Glaukoma, Identifikasi, Diabetes Retinopati, Fundus, Learning Vector Quantization, Radial Basis Function Neural Network

Abstract

Penyakit mata merupakan salah satu masalah kesehatan utama pada semua orang terutama pada kaum lansia, penyakit mata yang paling umum menyerang lansia diantaranya adalah glaukoma dan retinopati diabetes. Penyakit glaukoma dan diabetes retinopati dapat diketahui melalui citra fundus. Pada penelitian ini telah dilakukan perbandingan algoritma Learning Vector Quantization dengan Radial Basis Function Neural Network untuk klasifikasi penyakit glaukoma dan diabetes retinopati (accuracy, precision, recall) berdasarkan citra fundus resolusi tinggi. Dataset yang digunakan berjumlah 45 citra fundus yang terdiri dari 15 citra fundus terjangkit glaukoma, 15 citra fundus terjangkit diabetes retinopati dan 15 citra fundus mata normal. Pada perhitungan dengan confusion matrix hasil tertinggi didapatkan pada algoritma radial basis function neural network dengan spread=20 dan MN=10 menghasilkan rata-rata accuracy sebesar 81,06%, precision sebesar 80,83% dan recall sebesar 73,33% jika dibandingkan dengan algoritma learning vector quantization dengan lvqnet=50 dan epoch=45 menghasilkan rata-rata accuracy sebesar 80,85%, precision sebesar 73,33% dan recall sebesar 77,14%.

Published
2020-10-10
How to Cite
Oktavius, K., & Devella, S. (2020, October 10). Perbandingan Algoritma LVQ dan RBFNN Untuk Identifikasi Glaukoma dan Diabetes Retinopati Pada Citra Fundus. Jurnal Algoritme, 1(1), 68-77. Retrieved from http://jurnal.mdp.ac.id/index.php/algoritme/article/view/438