OPTIMASI K-NEAREST NEIGHBOR UNTUK SISTEM KLASIFIKASI KONDISI KATARAK

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.