Arifin, Samsul and dr. Hera Dwi Novita, Sp.M (K) and Yuita Arum Sari, S.Kom., M.Kom and dr.Hidayat Sujuti, Sp.M (K), PhD, (2023) Tingkat Akurasi Deteksi Katarak Berbasis Artificial Intelligence Pada Foto Mata Slitlamp Dan Kamera Smartphone. Magister thesis, Universitas Brawijaya.
Abstract
Tujuan : Untuk menghitung tingkat akurasi diagnosis katarak berbasis AI dengan metode ekstraksi fitur GLCM dan klasifikasi SVM pada foto mata yang diambil dengan slitlamp dan kamera Smartphone. Metode : Penelitian ini merupakan penelitian observasional dengan pendekatan analitik non implementatif. Foto mata yang diambil dengan kamera yang terintegrasi pada slitlamp dan kamera smartphone diberikan kode foto dan dinilai oleh dokter spesialis mata sebagai mata normal atau katarak, kemudian dilakukan preprocessing pada foto tersebut, dilanjutkan dengan ekstraksi fitur menggunakan metode ekstraksi Gray Level Co-occurrence matrix (GLCM) dan diklasifikasi dengan metode Support Vector Machine (SVM) sebagai normal atau katarak, kemudian dilakukan uji diagnostik untuk mengetahui akurasi, sensitivitas, spesifisitas, positive predictive value (PPV) dan negative predictive value (NPV) dari metode tersebut. Hasil : Diagnosis katarak berbasis AI dengan metode ekstraksi fitur GLCM dan klasifikasi SVM pada foto mata yang diambil dengan slitlamp, kamera smartphone dan gabungan slitlamp dan kamera smartphone didapatkan akurasi, sensitivitas dan spesifisitas masing-masing sebesar 80,76-86,39%, 81,6-83,37% dan 79,48-87,06%. Kesimpulan : Metode ekstraksi fitur GLCM dan klasifikasi SVM memiliki tingkat akurasi yang baik untuk mendeteksi katarak pada foto mata slitlamp, kamera smartphone dan gabungan foto mata slitlamp dan kamera smartphone
English Abstract
Objective: To calculate the accuracy level of AI-based cataract diagnosis using GLCM feature extraction and SVM classification on eye photos taken with slit lamp and smartphone camera. Method: This study is an observational research with a non-implementative analytic approach. Eye photos taken with the integrated camera on the slit lamp and smartphone camera are assigned photo codes and evaluated by ophthalmology specialists as normal or cataract eyes. Preprocessing is then performed on the photos, followed by feature extraction using the Gray Level Co-occurrence Matrix (GLCM) method and classification using the Support Vector Machine (SVM) method to determine if the eye is normal or has cataract. Diagnostic tests are conducted to determine the accuracy, sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) of the method. Results: AI-based cataract diagnosis using GLCM feature extraction and SVM classification on eye photos taken with the slit lamp, smartphone camera, and a combination of the slit lamp and smartphone camera yielded accuracies, sensitivities, and specificities ranging from 80.76-86.39%, 81.6-83.37%, and 79.48-87.06%, respectively. Conclusion: The GLCM feature extraction and SVM classification method have good accuracy in detecting cataracts in slit lamp and smartphone camera eye photos.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | 0423060106 |
| Uncontrolled Keywords: | katarak, skrining, artificial intelligence, Support Vector Machine, Gray Level Co-occurrence matrix |
| Subjects: | 600 Technology (Applied sciences) > 617 Surgery, regional medicine, dentistry, ophthalmology, otology, audiology > 617.7 Ophthalmology |
| Divisions: | Profesi Kedokteran > Spesialis Ilmu Kesehatan Mata, Fakultas Kedokteran |
| Depositing User: | Endang Susworini |
| Date Deposited: | 12 Dec 2023 08:42 |
| Last Modified: | 12 Dec 2023 08:42 |
| URI: | http://repository.ub.ac.id/id/eprint/205319 |
![[thumbnail of DALAM MASA MEMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA MEMBARGO)
samsul arifin.pdf Restricted to Registered users only until 31 December 2025. Download (2MB) |
Actions (login required)
 |
View Item |