Identifikasi Pola Citra Iris Mata Untuk Mendeteksi Kelebihan Kadar Kolesterol Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Decision Tree

Abstract

ABSTRAK Kolesterol merupakan gumpalan lemak seperti lilin yang terbentuk di dalam hati. Kondisi dimana jumlah kolesterol pada tubuh manusia melebihi batas normal yaitu < 200mg. Jika kadar kolesterol pada manusia tidak normal, maka akan mengakibatkan penyakit serius seperti serangan jantung dan stroke. Tingkat kelebihan kolesterol menurut beberapa penelitian dapat dideteksi dengan melihat lingkaran keabuan pada iris mata (Arcus Senilis). Proses ketika melakukan pemeriksaan kadar kolesterol membutuhkan waktu yang tidak singkat, oleh karena itu Iridologi dapat digunakan sebagai alternatif untuk menganalisa penyakit dengan melihat susunan pola pada iris mata. Pada penelitian ini, penulis merancang sebuah system yang dapat mendeteksi citra iris mata untuk mengetahui kadar kelebihan kolesterol lalu diekstraksi ciri dengan metode Gray Level Co-Occurrence Matrix (GLCM) dan diklasifikasikan dengan metode Decision Tree. Gray Level Co-Occurrence Matrix (GLCM) merupakan metode yang digunakan untuk menganalisis tekstur yang terbentuk dari suatu citra pada pixel yang saling berpasangan dengan intensitas tertentu. Di sisi lain Decision Tree termasuk dalam metode klasifikasi yang hasilnya akan menjadi sebuah sturktur pohon dimana bagian dari node-node pohon tersebut akan mempresentasikan atribut yang sudah diuji. Hasil pengujian yang telah dilakukan menghasilkan tingkat akurasi sekitar 93,3% dengan waktu komputasi sebesar 0,0363 detik saat menggunakan jumlah data sebanyak 120 data latih dan 30 data uji. Parameter yang digunakan yaitu fitur korelasi, energi dan homogenitas, dengan jarak piksel (d) =1, dan level kuantisasi (n) = 8 , saat arah/sudut = 0ï‚°. Kata Kunci : Kolesterol, Iris Mata, Iridologi, GLCM, Decision Tree ABSTRACT Cholesterol is a waxy lump of fat that forms in the liver. Conditions where the amount of cholesterol in the human body exceeds the normal limit of <200mg. If cholesterol levels in humans are not normal, it will lead to serious illnesses such as heart attacks and strokes. The level of excess cholesterol according to several studies can be detected by looking at the gray circle in the iris (Arcus Senilis). The process of checking cholesterol levels requires a short amount of time, therefore Iridology can be used as an alternative to analyzing the disease by looking at the pattern of iris patterns. In this study, the authors designed a system that can detect the iris image to determine levels of excess cholesterol and then extract features using the Gray Level Co-Occurrence Matrix (GLCM) method and are classified by the Decision Tree method. Gray Level Co-Occurrence Matrix (GLCM) is a method used to analyze textures that are formed from images in pixels that are paired with a certain intensity. On the other hand Decision Tree is included in the classification method, the result of which will be a tree structure where part of the tree nodes will present the attributes that have been tested. The results of tests that have been done produce an accuracy rate of around 93.3% with a computational time of 0.0363 seconds when using the amount of data as much as 120 training data and 30 test data. The parameters used are correlation, energy and homogeneity features, with pixel distance (d) = 1, and quantization level (n) = 8, when direction / angle = 0ï‚°. Keywords: Cholesterol, Iris Eye, Iridology, GLCM, Decision Tree