Identifikasi Kerusakan Saraf Autonomik Melalui Citra Iris Mata Menggunakan Ekstraksi Ciri Analisis Komponen Utama (Pca) Dan Jaringan Saraf Tiruan Perambatan Balik

Abstract

Identifikasi penyakit dapat dilakukan melalui berbagai cara, salah satunya menggunakan pengamatan kondisi iris mata yang sedang berkembang dengan pesat di kalangan akademik dan industri. Berdasarkan ilmu iridologi pola tertentu pada citra iris mata dapat menunjukkan penyakit tertentu sehingga dalam hal ini dapat memanfaatkan pengolahan citra digital. Dalam penelitian ini, dibuat program identifikasi penyakit khususnya kerusakan saraf autonomik yang mengamati pola tertemtu pada iris mata menggunakan metode ekstraksi ciri analisis komponen utama dan metode klasifikasi jaringan saraf tiruan perambatan balik. Dalam penelitian ini digunakan 80 data yang berisi 40 citra iris mata normal dan 40 citra iris mata mengalami kerusakan saraf autonomik. Tujuan pembuatan penelitian ini guna mendapatkan hasil identifikasi yang cukup baik untuk mengenali kerusakan saraf autonomik, dan memberikan saran untuk pengembangan identifikasi kerusakan saraf autonomik agar semakin baik lagi. Berdasarkan hasil pengujian keseluruhan data dengan variasi komponen utama 25, 50, dan 100 dan jumlah lapisan tersembunyi 10 sampai 50 memiliki rata-rata tingkat akurasi keberhasilan pengenalan penyakit 62,88% dengan nilai tertinggi 83,33%, tingkat sensitivitas 55,56% dengan nilai tertinggi 100%, nilai spesifisitas 71,50% dengan nilai tertinggi 100%.

Retracted: A Review of Iris Recognition System ROI and Accuracy

“…In this paper, they use Gray Level Co-Occurrence Matrix (GLCM) feature extraction and Bayesian regularization (BR) classification to diagnose either the subject is suffering from the disease or not. Arcus Senilis [13], [22][23][24][25][26][27] Autonomic Nerve [28] Brain [29] Heart [12], [16], [30][31] Kidney [32] Liver [33] Lung [4], [15], [34] Pancreas [3], [7], [8], [14], [35][36][37] Stomach [38] Iris Recognition System ROI and Accuracy…”

Elderly Signature Identification Using HOG Method and K-Nearest Neighbors Classifier

“…Adapun hasil yang diperoleh dari pengujian ini menunjukkan bahwa dataset yang diekstraksi menggunakan metode GLCM memperoleh akurasi sebesar 86,67%, mengungguli dataset yang dihasilkan dari ekstraksi fitur menggunakan metode LBP yang mencapai akurasi 80%. Pada penelitian lainnya [6] identifikasi tanda tangan dengan menggunakan backpropagation Ariticial Neural Network. Pada penelitian ini digunakan 50 node dan 1 lapisan tersembunyi, dengan tingkat pembelajaran 0,3, setelah melakukan berbagai percobaan untuk mencapai hasil yang optimal.…”

Identifikasi Jejak Macan dan Anjing Menggunakan Momen Invarian dan Jaringan Saraf Tiruan Backpropagation

“…Tingkat akurasi yang dihasilkan yaitu mencapai 100%. Penelitian selanjutnya oleh Eskanesiari [6] memanfaatkan JST metode backpropagation untuk mengenali jenis tanaman obat berdasarkan bentuk daunnya. Penelitian ini menggunakan tujuh momen invarian sebagai ekstraksi ciri.…”

“…Operasi dilasi biasa dipakai untuk mendapatkan efek pelebaran terhadap piksel yang bernilai 1. Burger & Burge (2008) dalam [7] mendefinisikan operasi dilasi seperti pada persamaan (6), sedangkan hasilnya seperti tampak pada Gambar 3.…”