Klasifikasi diabetic retinopathy menggunakan principal component analysis dengan Naïve Bayes

INDONESIA:

Salah satu dampak dari penyakit Diabetic Mellitus (DM) adalah penyumbatan pembuluh darah mata, dikenal sebagai penyakit Diabetic Retinopathy (DR). Gejala yang dapat ditemui oleh orang yang terkena penyakit ini adalah kesulitan dalam membaca, penglihatan kabur, penglihatan tiba-tiba menurun pada satu mata, melihat lingkaran-lingkaran cahaya, melihat bintik gelap, dan cahaya berkedip. Hal ini terjadi karena ada rembesan darah yang mengenai lensa mata.

Penelitian dilakukan untuk membuat suatu aplikasi yang dapat menampilkan hasil klasifikasi Diabetic Retinopathy sesuai dengan tingkat stadiumnya yaitu normal, Mild Non-Proliferate Diabetic Retinopathy (Mild NPDR), Moderate Non-Proliferate Diabetic Retinopathy (Moderate NPDR) dan Proliferate Diabetic Retinopathy (PDR). Penelitian ini menggunakan pengolahan citra digital untuk mengekstrasi ciri dengan metode principal component analysis dan naïve bayessian untuk mengklasifikasi ciri.

Hasil pengujian aplikasi menunjukkan bahwa tingkat keakurasian metode principal component analysis dalam mengklasifikasi DR berdasarkan tingkatannya, normal, MildNPDR, ModerateNPDR dan PDR mencapai 88.75 %.

ENGLISH:

One of the effects of the Diabetic Mellitus (DM) disease is a blockage of eye blood vessels, known as the Diabetic retinopathy (DR) disease. Symptoms that can be encountered by people affected by this disease are difficulty in reading, blurred vision, sudden decreased vision in one eye, seeing halos, seeing dark spots, and a flashing light. This happens because there is seepage of blood on the lens of the eye.

The research was conducted to create an application that can display the results of the identification diabetic retinopathy according to the stage that is normal, Mild Non-Proliferate Diabetic Retinopathy (Mild NPDR), Moderate Non- Proliferate Diabetic Retinopathy (Moderate NPDR), and Proliferate Diabetic Retinopathy (PDR). The research use digital image processing to extract the features by principal componenet analysis method and clasify the features by naïve bayessian.

The application test results shows that level accuracy of principal component analysis method in classify the DR based levels, normal, MildNPDR, ModerateNPDR dan PDR getting to 88.75%.