OPTIMASI K-NEAREST NEIGHBOR UNTUK SISTEM KLASIFIKASI KONDISI KATARAK

  • Yunendah Nur Fuadah Fakultas Teknik Elektro
  • Rita Magdalena
  • Steven Palondongan
  • Nor Kumalasari

Abstract

Deteksi dini kondisi katarak merupakan solusi untuk mengendalikan peningkatan jumlah kebutaan yang
disebabkan oleh katarak. Dalam penelitian ini, dilakukan optimasi metode Gray Level Co-Occurrence Matrix
(GLCM) dan K-Nearest Neighbor (K-NN) untuk klasifikasi kondisi citra mata menjadi kondisi normal, katarak
imatur dan katarak matur. Pada tahap ekstraksi ciri digunakan metode GLCM, parameter yang berpengaruh
pada tahap ini adalah jarak antar piksel (d), sudut (q), dan fitur statistik. Pada tahap klasifikasi, fitur ciri dari
tahap ekstraksi ciri diklasifikasikan oleh K-NN, parameter yang diuji pada tahap ini adalah nilai k dan persamaan
perhitungan jarak yang digunakan yaitu Euclidean, Minkowski, Chebychev dan City Block. Berdasarkan hasil
pengujian diperoleh akurasi pengujian sebesar 93,33 % dengan menggunakan parameter yang paling optimal
yaitu d= 2, q= 135, nilai k=5 dengan persamaan jarak Euclidean dan Minkowski.

Downloads

Download data is not yet available.
Published
2019-09-27
How to Cite
FUADAH, Yunendah Nur et al. OPTIMASI K-NEAREST NEIGHBOR UNTUK SISTEM KLASIFIKASI KONDISI KATARAK. TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika, [S.l.], v. 4, n. 1, p. 16-25, sep. 2019. ISSN 2502-2105. Available at: <//journals.telkomuniversity.ac.id/tektrika/article/view/1832>. Date accessed: 21 oct. 2020. doi: https://doi.org/10.25124/tektrika.v4i1.1832.