digilib@itb.ac.id +62 812 2508 8800

18319004 Fara Gebriani.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

Cover - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

BAB 1 - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

BAB 2 - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

BAB 3 - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

BAB 4 - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

BAB 5 - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

PUSTAKA - Fara Gebriani
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan

Glaukoma merupakan penyakit mata yang disebabkan oleh peningkatan tekanan intraokular yang menyebabkan rusaknya saraf optik sehingga terjadi penurunan kemampuan penglihatan pada mata atau bahkan kebutaan. Di Indonesia, 51.4% kasus glaukoma baru diperiksakan pada kondisi lanjut dimana telah terjadi kerusakan yang signifikan pada mata. Oleh karena itu, glaukoma harus dideteksi sedini mungkin agar pasien mendapatkan penanganan dini. Deteksi dengan bantuan komputer akan sangat membantu proses deteksi glaukoma. Saat ini, terdapat banyak pengembangan metode deteksi glaukoma otomatis, salah satunya yaitu pendekatan kuantifikasi karakteristik Optic Cup (OC) dan Optic Disc (OD) seperti Cup-to-Disc Ratio (CDR), Rim-to-Disc Ratio (RDR) dan pengukuran ketebalan neuroretinal rim pada kuadran inferior, superior, nasal dan temporal (ISNT Quadrant) pada citra fundus retina. Pada penelitian sebelumnya, Suwandoko (2022) telah mengembangkan metode deteksi glaukoma berdasarkan kuantifikasi karakteristik OC dan OD. Namun, penelitian sebelumnya hanya melakukan kuantifikasi karakteristik pada CDR dan RDR serta metode yang digunakan untuk melakukan klasifikasi glaukoma yaitu regresi logistik. Pada penelitian ini, metode yang dikembangkan sebelumnya akan dioptimasi dengan menambahkan fitur baru yaitu dengan melakukan pengukuran terhadap ISNT Quadrant serta menggunakan decision tree sebagai metode klasifikasi glaukoma. Optimasi dari metode ini menghasilkan kinerja klasifikasi dengan akurasi, spesifisitas, sensitivitas dan f1- score sebesar 0.900, 0.722, 1.000 dan 0.928 untuk dataset Drishti-GS dan 0.958, 0.996, 0,600 dan 0.728 untuk keseluruhan dataset REFUGE.