Klasifikasi Katarak Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine (svm)

Abstract

Abstrak Katarak merupakan penyakit mata yang ditandai dengan mengeruhnya lensa mata, sehingga membuat penglihatan kabur. Seiring bertambahnya usia, protein pada lensa akan menggumpal dan perlahan-lahan membuat lensa keruh dan berkabut. Hal ini menyebabkan penglihatan menjadi kabur dan tidak jelas. Berdasarkan pada penjelasan di atas, maka penulis melakukan penelitian dengan menggunakan metode Discrete Wavelet Transform (DWT) dan klasifikasi Support Vector Machine (SVM) untuk merancang sistem klasifikasi katarak. Penelitian sebelumnya tentang klasifikasi katarak pernah dilakukan oleh Rais Zul Ihram pada tahun 2018 mendapatkan akurasi sebesar 93,3% dengan menggunakan metode GLCM dengan klasifikasi yang digunakan adalah SVM. Penelitian serupa dilakukan oleh Rizkia Dwi Auliannisa pada tahun 2017 tentang deteksi katarak menggunakan metode Transformasi Hough berbasis Android dengan menggunakan pengklasifikasian K-NN dan mencapai akurasi lebih dari 80%. Dari hasil pengujian diperoleh akurasi terbaik dari klasifikasi katarak sebesar 80%. Akurasi tersebut didapatkan dari pengujian 90 citra mata yang memiliki ukuran 512x512 piksel, pada tahap ekstrasi ciri digunakan subband filter LH pada metode Discrete Wavelet Transform (DWT). Digunakan kombinasi enam ciri statistik yaitu Mean, standar deviasi, skewness, kurtosis, entropy, variance. Pada tahap klasifikasi digunakan metode Support Vector Machine (SVM) dengan kernel gaussian, dan pembagian multikelas OneAgainst-All (OAA). Kata Kunci : Katarak, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM) Abstract Cataract is an eye disease characterized by the clouding of the lens of the eye, which makes vision blurry. As we get older, the protein in the lens will clot and slowly make the lens cloudy and foggy. This causes vision to be blurred and unclear. Based on the explanation above, the authors conducted a study using the Discrete Wavelet Transform (DWT) method and the Support Vector Machine (SVM) classification to design a cataract classification system. Previous research on the classification of cataracts was done by Rais Zul Ihram in 2018 to get an accuracy of 93.3% using the GLCM method with the classification used was SVM. A similar study was conducted by Rizkia Dwi Auliannisa in 2017 on cataract detection using the Android-based Hough Transform method using K-NN classification and achieving an accuracy of more than 80%. From the test results obtained the best accuracy of cataract classification by 80%. The accuracy is obtained from testing 90 eye images that have a size of 512x512 pixels, at the feature extraction stage the LH subband filter is used in the Discrete Wavelet Transform (DWT) method. A combination of six statistical features is used, namely Mean, standard deviation, skewness, kurtosis, entropy, variance. At the classification stage, the Support Vector Machine (SVM) method is used with the Gaussian kernel, and the One-Against-All (OAA) multiclass division. Keywords: Cataract, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM)