Klasifikasi Penyakit Diabetic Retinopathy menggunakan Metode Learning Vector Quantization (LVQ)

Abstract

Abstrak

Retinopati diabetes adalah salah satu komplikasi penyakit diabetes. Komplikasi tersebut berupa kerusakan pada bagian retina mata.  Tingginya kadar glukosa dalam darah adalah penyebab pembuluh darah kapiler kecil menjadi pecah dan dapat menyebabkan kebutaan. Gejala yang ditunjukkan oleh penderita Diabetic Retinopaythy (DR) antara lain microaneurysms, hemorrhages, hard exudate, soft exudates dan neovascularization. Gejala tersebut pada suatu intensitas tertentu dapat menjadi indikator fase (tingkatan keparahan) retinopati diabetes penderita. Penelitian ini dilakukan untuk mengklasifikasi penyakit retinopati diabetik dengan citra fundus retinoskopi melalui metode Kecerdasan Buatan, yaitu Learning Vector Quantization. Melalui tahapan proses pengolahan citra, mengubah intensitas citra, menghilangkan Diskus Optikus, kemudian melalui proses ekstraksi fitur citra yakni fitur citra pembuluh darah. Ekstraksi fitur warna citra menggunakan intensitas keabuan pada citra kemudian diubah menjadi citra biner sehingga area fitur pembuluh darah lebih menonjol daripada fitur lainnya. Pada tahapan akhir dilakukan proses klasifikasi citra dengan menggunakan metode Learning Vector Quantization. Kemudian untuk perhitungan kinerja program, dilakukan pencatatan Mean Square Error (MSE), keakurasian,  sensitifitas, dan spesifisitas yang terdapat dalam tabel Confusion Matrix dan kurva Receiver Operating Characteristic (ROC). Hasil pembelajaran kecerdasan buatan Learning Vector Quantization (LVQ) dengan ekstraksi fitur pembuluh darah mempunyai akurasi pelatihan 90%, dan akurasi pengujian 43.75%.

Kata Kunci: Diabetic Retinopathy, Retinopati Diabetik, Klasifikasi, Learning Vector Quantization, LVQ,  Ekstraksi Fitur, Messidor Database.

Abstract

Diabetic Retinopathy is one of the complications of diabetes. The complication caused by damaged retina on the eye. High level of glucose in the blood is the cause of small capillary blood vessels to rupture and can cause blindness. Indication demonstrated by Diabetic Retinopaythy (DR) patients include microaneurysms, hemorrhages, hard exudates, soft exudates and neovascularization. These indication at a certain intensity can be an indicator of the phase (severity level) of diabetic retinopathy patients. This research was conducted to classify diabetic retinopathy disease with fundus retinoscopy image through Artificial Intelligence method, Learning Vector Quantization. Through the stages of image processing, change the intensity of the image, remove the optic disk, then through image feature extraction process that features the image of blood vessels. Color image feature extraction uses the gray intensity of the image then converted to binary so that the vascular feature area is more prominent than any other feature. At the final stage, the process of image classification using Learning Vector Quantization method. Then for program performance calculation, the Mean Square Error (MSE) record, accuracy, sensitivity, and specificity contained in the Confusion Matrix table and Receiver Operating Characteristic (ROC) curve. Learning Vector Quantization (LVQ) artificial learning result with vascular feature extraction has 90% training accuracy, and 43.75% accuracy testing.

Keywords: Diabetic Retinopathy, Diabetic Retinopathy, Classification, Learning Vector Quantization, LVQ, Feature Extraction, Messidor Database