Klasifikasi Mata Katarak Menggunakan Metode Cascade Classifiers Berbasis Fitur Haar-Like , Yuita Arum Sari, S.Kom., M.Kom. dan dr. Hera Dwi Novita, SpM(K)

Dewabrata, Pandu (2021) Klasifikasi Mata Katarak Menggunakan Metode Cascade Classifiers Berbasis Fitur Haar-Like , Yuita Arum Sari, S.Kom., M.Kom. dan dr. Hera Dwi Novita, SpM(K). Sarjana thesis, Universitas Brawijaya.

Abstract

Penyakit katarak merupakan kondisi di mana lensa mata keruh sehingga mengganggu cahaya masuk ke mata. Katarak merupakan penyebab terbanyak kebutaan di Indonesia yakni sebanyak 77,7%. Meski begitu, kebutaan akibat katarak dapat dicegah. Selama ini diagnosis katarak memerlukan alat diagnostik yang tidak murah seperti slit lamp dan oftalmoskop serta membutuhkan keahlian khusus. Hal ini membuat banyak orang tidak tahu bahwa selama ini mereka menderita katarak. Oleh karena itu diperlukan sistem yang memungkinkan masyarakat dapat mendeteksi katarak dengan mudah dan murah. Sistem deteksi katarak tersebut diharapkan dapat meningkatkan jumlah operasi katarak sehingga jumlah kebutaan dapat menurun. Salah satu solusi yang dapat digunakan adalah klasifikasi citra. Terdapat serangkaian langkah dalam membangun sistem klasifikasi katarak ini, antara lain preprocessing, ekstraksi fitur, dan klasifikasi. Pertama, citra yang digunakan sendiri hanya memuat bagian iris dan pupil mata. Pada langkah preprocessing, citra berwarna diubah menjadi citra grayscale serta diubah ukurannya supaya seragam. Selanjutnya dilakukan ekstraksi fitur menggunakan haar-like. Setelah seluruh fitur diekstrak, selanjutnya fitur haar-like tersebut digunakan untuk klasifikasi katarak menggunakan metode Cascade Classifiers atau yang disebut juga Viola-Jones bagi sebagian orang. Tujuan dari pelatihan Cascade Classifiers adalah memilih fitur-fitur terbaik dari semua fitur haar-like yang didapatkan. Berdasarkan hasil pengujian K-Fold Cross Validation dimana k bernilai 5, diketahui bahwa akurasi rata-rata yang didapatkan adalah 0,82. Sedangkan akurasi tertinggi dapat mencapai 0,95. Hal ini menunjukkan bahwa metode Haar Cascade Classifiers dapat digunakan untuk klasifikasi katarak.

English Abstract

A Cataract is a disease where the eye’s lens is cloudy so it resists light to enter the eye. A cataract is the largest cause of blindness in Indonesia that is 77,7%. Even so, blindness that is caused by cataract can be prevented. But cataract diagnosis needs tools that are not cheap and easy to use, for example, slit lamp and ophthalmoscope. It makes so many people don't know they suffer from cataracts. That's why we need a system that can be used by the public to detect cataract easily and cheaply. The cataract detection system is expected to increase the number of cataract surgery so the number of blindness will be decrease. One of the solutions that can be used is a digital image classification. There is a step by step for building a cataract classification system such as preprocessing, feature extraction, and classification. First, images that are used only contain the iris and the pupil of the eye. In preprocessing step, the colored image must be converted to a grayscale image and resize it. The next step is extracting features using haar-like. After the features extraction step, use haar-like features to classify cataract using Cascade Classifiers or is also called Viola-Jones for some people. The goal of Cascade Classifiers training is to choose the best features from all haar-like features obtained. Based on the K-Fold Cross Validation test where k is 5, it is known that the average accuracy obtained is 0.82. While the highest accuracy obtained is 0.95. It shows that the Haar Cascade Classifiers method can be used to classify cataracts.

Item Type:	Thesis (Sarjana)
Identification Number:	0521150116
Uncontrolled Keywords:	klasifikasi citra, klasifikasi katarak, haar-like, Cascade Classifiers, Viola-Jones., image classification, cataract classification, haar-like, Cascade Classifiers, Viola-Jones
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	04 Nov 2021 06:22
Last Modified:	24 Feb 2022 01:21
URI:	http://repository.ub.ac.id/id/eprint/186477

Text (DALAM MASA EMBARGO) Pandu Dewabrata.pdf Restricted to Registered users only until 31 December 2023. Download (3MB)

Actions (login required)

View Item