Dampak Penentuan Range Metode Normalisasi Variance pada Klasifikasi Citra Retina Fokus

dedi nurcipto

Abstract


Pada bagian preprocessing klasifikasi citra digital, terdapat bagian paling penting dari keseluruhan proses klasifikasi, yaitu normalisasi ciri. Teknik ini normalisasi ciri biasanya sering diabaikan, karena menganggap bahwa citra sendiri sudah dibatasi oleh nilai rentang yang normal, yaitu 0-255, sehingga tidak membutuhkan lagi adanya teknik normalisasi ciri. Padahal Normalisasi ciri merupakan langkah yang berguna untuk membatasi nilai semua ciri dalam rentang yang telah ditentukan. Bagian terpenting dari normalisasi ciri adalah rentang. Pemilihan teknik normalisasi yang tepat dan rentang normalisasi adalah masalah penting dalam klasifikasi, karena, menerapkan normalisasi pada input bisa mengubah struktur data dan dengan demikian akan mempengaruhi hasil analisis multivariat dan kalibrasi yang digunakan dalam proses klasifikasi. Semakin kecil rentang, maka akan semakin spesifik. Namun dalam kenyataannya, rentang dan prosentase akurasi dari proses klasifikasi berbanding terbalik. Dalam makalah ini, akan dilakukan perbandingan beberapa teknik penentuan range, untuk mempelajari dampaknya terhadap kinerja klasifikasi dengan aplikasi untuk mendeteksi citra focus dan tidak focus pada citra retina. Teknik rentang yang digunakan adalah minmax, rata-rata, median dan modus


Full Text:

PDF

References


R. Y. N. F. Maghfira Rifki H, Ratri Dwi Atmaja, “Segmentasi Pembuluh Darah Pada Fundus Retina Menggunakan Matched Filter Dan Operasi Morfologi,” in e-Proceeding of Engineering, 2017, vol. 4, no. 2, pp. 1661– 1668.

A. P. Putra, Y. I. Nurhasanah, and A. Zulkarnain, “Deteksi Penyakit Diabetes Retinopati Pada Retina Mata Berdasarkan Pengolahan Citra,” J. Tek. Inform. dan Sist. Inf., vol. 3, no. 2, pp. 376–390, 2017.

K. A. Isnain Gunadi, Rahmat Gernowo, “Eksperimen Lensa Dengan Motor Langkah,” Berk. Fis., vol. 18, no. 4, pp. 143–150, 2015.

B. Santoso, A. Zaini, and I. K. E. Purnama, “Penentuan Otomatis Posisi Fokus Citra Mikroskopis Bakteri Tuberkulosis Berbasis Nilai Entropi dan Fuzzy Logic Kendali Berbasis Logika,” Java J., vol. vol 12, no. 1, pp. 1–6, 2014.

R. A. Winarno, Deny Arifianto, “Desain Sistem Autofocus Berbasis Normalized Variance Untuk Pencari Fokus Otomatis Mikroskop Digital,” in Seminar Nasional APTIKOM, 2016, pp. 28–29.

T. Ehang, M. A. Othman, N. H. Mahmood, M. Azhar, and A. Razak, “Autofocus Microscope System using Contrast Measurement Approach,” J. Teknol., vol. 6, pp. 35–39, 2015.

Y. Sun, S. Duthaler, and B. J. Nelson, “Autofocusing algorithm selection in computer microscopy,” IEEE/RSJ Int. Conf. Intell. Robot. Syst. IROS, pp. 419–425, 2005.

S. A. Wulandari, R. Tjahyono, and D. R. Sawitri, “Diabetic Retinopathy Pada Kombinasi Principle Component Dari 4 Ciri Berbasis Metode Svm ( Support Vector Machine ),” Maj. Ilm. Teknol. Elektro, vol. 15, no. 1, pp. 95–96, 2016.

C. Y. Chen, R. C. Hwang, and Y. J. Chen, “A passive auto-focus camera control system,” Appl. Soft Comput. J., vol. 10, no. 1, pp. 296–303, 2010.

N. Azumi, “Pengenalan Pola Citra Fundus Pada Deteksi Diabetik Retinopathy Berbasis Pengolahan Citra Digital,” 2015.




DOI: http://dx.doi.org/10.36055/setrum.v7i2.4107

Refbacks

  • There are currently no refbacks.