Deteksi Kelebihan Kadar Kolesterol Melalui Citra Iris Mata Menggunakan Metode Gray Level Co-occurrence Matrix Dan Learning Vector Quantization

Abstract

Abstrak Seiring perkembangan zaman, teknologi mengalami perkembangan sangat pesat, begitu juga dengan perkembangan teknologi dalam bidang kesehatan. Saat menjalanin tes kesehatan rutin kita akan menjalani tes kolesterol yang memakan waktu lama dikarenakan pasien harus menjalanin puasa terlebih dahulu, dimana untuk mendapatkan hasil tes pun memakan waktu yang lama. Pada penelitian ini, penulis merancang sistem yang mendeteksi kadar kolesterol dalam tubuh manusia dengan mengidentifikasi citra iris mata lalu diekstraksi ciri dengan metode GLCM dan diklasifikasikan dengan metode LVQ. Citra iris mata diambil menggunakan kamera handphone sebagai data sistem. Data sistem terbagi menjadi data latih dan data uji. Setiap data dikelompokkan menjadi tiga kategori yaitu normal, berpotensi kolesterol dan kolesterol. Data sistem di preprocessing berupa cropping, resize, segmentasi, dan merubah citra RGB menjadi citra grayscale. Citra grayscale diekstraksi ciri dengan metode GLCM kemudian dilakukan proses klasifikasi dengan LVQ. Sistem melakukan proses pelatihan berupa data latih yang di preprocessing kemudian diekstraksi ciri dengan ketentuan parameter fitur, jarak piksel, arah/sudut, dan level kuantisasi. Kemudian, sistem mengklasifikasi data latih tersebut dengan ketentuan parameter epoch, dan hidden layer terhadap data latih kembali. Hasil dari proses pelatihan berupa parameter terbaik. Selanjutnya, sistem melakukan proses pengujian berupa data latih yang di preprocessing kemudian diekstraksi ciri dan diklasifikasi dengan ketentuan parameter terbaik terhadap data uji. Dari hasil pengujian, sistem yang dibangun mampu mendeteksi kadar kelebihan kolesterol melalui citra iris mata dan mengklasifikasikan kedalam tiga kelas yaitu berisiko kolesterol, kolesterol dan nonkolesterol dengan tingkat akurasi sebesar 98,67% dan waktu komputasi 0,039s menggunakan masing-masing 75 data latih dan data uji, dengan parameter orde dua yang digunakan adalah kontras-korelasi-homogenitas, jarak piksel (d) = 1, arah/sudut = 0° level kuantisasi (n) = 8, epoch 200 dan hidden layer 10. Kata Kunci: GLCM, LVQ, Citra iris mata, Kolesterol. Abstract Along with the times, technology has developed very rapidly, as well as technological developments in the health sector. When undergoing routine health tests we will undergo a cholesterol test that takes a long time because the patient must undergo fasting first, where to get the results of the test also takes a long time too. In this study, the authors designed a system that detects cholesterol levels in the human body by identifying the iris image then extracted features by the GLCM method and classified by the LVQ method. The iris image was taken using a cellphone camera as a data system. System data is divided into training data and test data. Each data is grouped into three categories namely normal, cholesterol and cholesterol potential. Preprocessing system data in the form of cropping, resizing, segmenting, and changing the RGB image into grayscale image. Grayscale image is extracted by GLCM method then classification process is done by LVQ. The system performs the training process in the form of training data which is preprocessed then features are extracted with the provisions of feature parameters, pixel spacing, direction / angle, and quantization level. Then, the system classifies the training data with the provisions of the epoch parameter, and the hidden layer of the training data again. The results of the training process are in the form of the best parameters. Furthermore, the system performs the testing process in the form of preprocessing training data then features are extracted and classified with the best parameter provisions of the test data. From the test results, the system that was built was able to detect levels of excess cholesterol through iris images and classify them into three classes namely risk of cholesterol, cholesterol and non-cholesterol with an accuracy rate of 98,67% and computing time of 0.039s using 75 each training data and test data, with secondorder parameters used are contrast-correlation-homogeneity, pixel spacing (d) = 1, direction = 0° quantization level (n) = 8, epoch 200 and hidden layer 10. Keywords: GLCM, LVQ, iris image, Cholesterol.