Identifikasi Kelainan Mata Katarak Pada Citra Digital Menggunakan Metode Deep Learning
DOI:
https://doi.org/10.29407/inotek.v4i2.130Abstract
Katarak merupakan kelainan pada mata yang menggrogoti mata secara berlahan tanpa pasien sadari. Kelainan ini disebabkan oleh selaput pada lensa mata membuat pandangan mata menjadi berkabut serta parahnya mengakibatkan kebutaan permanen. Diagnosis katarak menggunakan computed tomography (CT) scan untuk mendapatkan hasil berupa citra digital. Citra digital kemudian dianalisis untuk menentukan pasien terkena katarak. Proses analisis biasa memakan waktu 15-30 menit. Oleh karena itu, dibuatkan aplikasi diagnosis yang akan membantu proses analisis menjadi lebih cepat. Metode Convolutional Neural Network merupakan salah satu jenis algoritma deep learning yang mengenali pola visual langsung dari pixel gambar dengan preprocessing minimal.
Keywords:
Convolutional Neural Network, Deep Learning, Katarak, Kecerdasan Buatan##plugins.themes.default.displayStats.downloads##
References
Ilyas, S. (2000). Kedaruratan Dalam Ilmu Penyakit Mata. Jakarta : Badan Penerbit Fakultas Kedokteran Universitas Indonesia.
Ilyas, S. (2001). Penuntun Ilmu Penyakit Mata. Jakarta : Badan Penerbit Fakultas Kedokteran Universitas Indonesia.
Permana, Y., Wijaya, I.G.P.S,. Bimantoro F. (2017). Sistem Pakar Diagnosa Penyakit Mata Menggunakan Metode Certainty Factor Berbasis Android. J-COSINE. Vol.1, No.1
Hariyanto, R., Basuki, A., Hasanah, R.N. (2016). Klasifikasi Penyakit Mata Katarak berdasarkan Kelainan Patologis dengan menggunakan Algoritma Learning Vector Quantization. Journal of Mechanical Engineering and Mechatronics. Vol.1, No.2 :86-92.
Azizah, L.M., Umayah, S.F., Fajar, F. (2018). Deteksi Kecacatan Permukaan Buah Manggis Menggunakan Metode Deep Learning dengan Konvolusi Multilayer. SEMESTA TEKNIKA. Vol.21, No.2: 230-236.
LeCun, Y., & Bengio, Y. (1995). Convolutional network for images, speech, and time-series. The Handbook of brain theory and neural network.
Downloads
Published
Issue
Section
License
Copyright (c) 2020 PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
