KLASIFIKASI DIABETES RETINOPATI MENGGUNAKAN EKSTRAKSI FITUR GLOBAL LOCAL BINARY PATTERN DAN DISCRETE WAVELET TRANSFORM

YOGI SURYANA FIRDAUS, Agus Harjoko, Drs., M.Sc., Ph.D.; Ika Candradewi, S.Si., M.Cs.

2018 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Diabetes retinopati (DR) merupakan bentuk komplikasi dari penyakit diabetes yang mengakibatkan gangguan pengelihatan. Berdasarkan tingkat keparahannya, DR dapat digolongkan ke dalam 4 tipe, yaitu non-proliferative diabetic retinopathy (NPDR) mild, moderate dan severe. Hingga saat ini banyak penelitian yang menerapkan pengolahan citra digital dalam menentukan fase DR menggunakan citra retina penderita. Dalam penelitian ini, kami mengklasifikasi citra retina ke dalam fase-fase DR menggunakan metode ekstraksi ciri fitur global. Data yang digunakan dalam penelitian ini berupa citra retina yang didapat dari database publik Messidor. Terdapat tiga metode yang digunakan untuk mengambil ciri dari citra, yaitu menggunakan Local Binary Pattern, Transformasi Wavelet Diskrit dan kombinasi keduanya. Hasil dari ekstraksi ciri akan direduksi menggunakan Principal Component Analysis dan diklasifikasi menggunakan K-Nearest Neighbor. Klasifikasi akan dievaluasi kinerjanya menggunakan parameter pengukuran akurasi, sensitifitas dan spesifisitas. Percobaan klasifikasi dilakukan dengan menerapkan berbagai variasi pada parameter K serta banyaknya principal component (PC) yang digunakan. Pengujian pada ketiga metode ekstraksi ciri yang digunakan pada 120 data uji menghasilkan nilai akurasi terbaik sebesar 68,33% menggunakan metode ekstraksi Transformasi Wavelet Diskrit, dengan nilai spesifisitas 91,93% dan sensitifitas sebesar 43,10%.

Diabetic Retinopathy is a form of diabetes that cause visual distrubance. Diabetic Retinopathy appear due to interference with body metabolism, thus cause abnormalities in the retina and vessels. Based on the severity, it can be devided into 4 classes (normal, NPDR mild, NPDR moderate, NPDR severe). Data that used in this research is a retinal images obtained from Messidor database. In this researches, we classify retinal images into diabetic retinopathy classes using global feature extraction method. Three feature extraction methods were used to get image feature from retinal image : Local Binnary Pattern (LBP), Discrete Wavelet Transform (DWT), and the combination of LBP and DWT. The results of feature extraction will be reduced by using Principal Component Analysis (PCA) and classified using K-Nearest Neighbor (KNN). The classification will be evaluated using measurement parameters such as accuration, specitivity, and sensitivity. The experiment is carried out by varying K-value and amount of the principal component score (PC) will be used. Testing on all feature extractions produce the best accuracy value of 68,33%, specitivity value of 91,93%, and sensitivity value of 43,10% by using Discrete Wavelet Transform.

Kata Kunci : Diabetic Retinopathy, Retinal Image, Local Binnary Pattern, Discrete Wavelet Transform, Texture Feature Extraction, K-Nearest Neighbor