Klasifikasi Penyakit Diabetic Retinopathy Menggunakan Multilayer Perceptron

Umri Erdiansyah, Ahmadi Irmansyah Lubis, Guntur Syahputra

Sari


Diabetic Retinopathy merupakan salah satu komplikasi penyakit diabetes yang dapat menyebabkan kematian. Komplikasi ini berupa kerusakan pada retina mata. Kadar glukosa yang tinggi dalam darah dapat menyebabkan kapiler kecil pecah dan menyebabkan kebutaan. Penyakit ini dimulai dengan melemahnya atau rusaknya kapiler kecil di retina, memungkinkan darah mengalir dan kemudian menyebabkan penebalan jaringan, pembengkakan, dan pendarahan hebat. Penelitian ini bertujuan untuk menganalisis diagnosis retinopati diabetik berupa data rekam medis. Multilayer Perceptron merupakan salah satu algoritma jaringan syaraf tiruan yang sering digunakan untuk klasifikasi data dan digunakan dalam proses klasifikasi pada penelitian ini. Dataset yang digunakan dalam penelitian ini diperoleh dari UCI Machine Learning Repository, kumpulan data dari University of Debrecen, Hongaria, termasuk data pasien untuk retinopati diabetik. Evaluasi hasil klasifikasi yang digunakan adalah confusion matrix. Dari hasil perhitungan yang telah dilakukan, maka didapatkan hasil akurasi pada Multilayer Perceptron sebesar 71.80%, dengan nilai precision 72.50%, dan Recall 71.80%.

Teks Lengkap:

PDF

Referensi


P. Subarkah, “Penerapan Algoritme Klasifikasi Classification And Regression Trees (Cart) Untuk Diagnosis Penyakit Diabetes Retinopathy,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 2, pp. 294–301, 2020, doi: 10.30812/matrik.v19i2.676.

R. Y. Dillak and M. G. Bintiri, “Identifikasi Fase Penyakit Retinopati Diabetes Menggunakan Jaringan Syaraf Tiruanmulti Layer Perceptron,” Semin. Nas. Inform., vol. 2012, no. semnasIF, pp. 126–133, 2012.

P. Subarkah, M. M. Abdallah, and S. O. N. Hidayah, “Komparasi Akurasi Algoritme CART Dan Neural Network Untuk Diagnosis Penyakit Diabetes Retinopathy,” CogITo Smart J., vol. 7, no. 1, p. 121, 2021, doi: 10.31154/cogito.v7i1.304.121-134.

R. Tyasnurita and A. Y. M. Pamungkas, “Deteksi Diabetik Retinopati menggunakan Regresi Logistik,” Ilk. J. Ilm., vol. 12, no. 2, pp. 130–135, 2020, doi: 10.33096/ilkom.v12i2.578.130-135.

R. R. Hadistio, H. Mawengkang, and M. Zarlis, “Perbandingan Algoritma Stochastic Gradient Descent dan Naïve Bayes Pada Klasifikasi Diabetic Retinopathy,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 271, 2022, doi: 10.30865/mib.v6i1.3426.

N. Purwaningsih, “Penerapan multilayer perceptron untuk klasifikasi jenis kulit sapi tersamak,” J. TEKNOIF, vol. 4, no. 1, pp. 1–7, 2016, [Online]. Available: https://ejournal.itp.ac.id/index.php/tinformatika/issue/view/64

F. D. Marleny, L. Swastina, and B. Lareno, “Klasifikasi Faktor Yang Mempengaruhi Asfiksia Menggunakan Multilayer Perceptron Neural Network,” Konf. Nas. Sist. Inform. 2015, pp. 391–395, 2015.

S. Defiyanti, “Integrasi Metode Clustering dan Klasifikasi untuk Data Numerik,” Citee, no. July, pp. 256–261, 2017.

A. I. Lubis, U. Erdiansyah, and R. Siregar, “Komparasi Akurasi pada Naive Bayes dan Random Forest dalam Klasifikasi Penyakit Liver,” J. Comput. Eng. Syst. Sci., vol. 7, no. 1, pp. 81–89, 2022.

Y. Ardilla, H. Tjandrasa, and I. Arieshanti, “Deteksi Penyakit Epilepsi dengan Menggunakan Multilayer Perceptron,” J. Tek. POMITS, vol. 3, no. 1, pp. 1–5, 2014.

D. W. Wardani, P. Danoedoro, and B. Susilo, “Kajian Perubahan Penggunaan Lahan Berbasis Citra Layer Perceptron Dan Markov Chain Di Sebagian Kabupaten Bantul,” Pros. Pertem. Ilm. Tah. XX 2015, no. May, pp. 198–205, 2015.

M. Irfan, B. A. Ardi Sumbodo, and I. Candradewi, “Sistem Klasifikasi Kendaraan Berbasis Pengolahan Citra Digital dengan Metode Multilayer Perceptron,” IJEIS (Indonesian J. Electron. Instrum. Syst., vol. 7, no. 2, p. 139, 2017, doi: 10.22146/ijeis.18260.

M. Mentari, E. K. R. Sari, and S. Mutrofin, “Klasifikasi Menggunakan Kombinasi Multilayer Perceptron dan Aligment Particle Swarm Optimization,” Senastik, vol. 2014, no. September, pp. 10–11, 2014, doi: 10.13140/2.1.3932.9281.

U. Erdiansyah, A. Irmansyah Lubis, and K. Erwansyah, “Komparasi Metode K-Nearest Neighbor dan Random Forest Dalam Prediksi Akurasi Klasifikasi Pengobatan Penyakit Kutil,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 208, 2022, doi: 10.30865/mib.v6i1.3373.




DOI: http://dx.doi.org/10.30811/jaise.v2i1.3084

Refbacks

  • Saat ini tidak ada refbacks.


 

Indexing :

 

Creative Commons License
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.