Gambar 4.3 kontras, korelasi, energi, dan homogenitas
Empat ciri yang didapatkan dari matriks kookurensi Gambar 4.2. Ciri yang didapatkan adalah kontras, korelasi, energi, dan homogenitas berturut-turut dari
kolom 1 hingga kolom 4. Keempat ciri inilah yang akan digunakan pada identifikasi.
4.2. Menghitung Akurasi dengan 3 Fold Cross Validation
Total keseluruhan data yang digunakan 30 data yang terdiri dari 15 citra fundus retina normal dan 15 citra fundus retina glaukoma. Data berformat jpg,
keseluran data dapat dilihat pada tabel 4.1 berikut.
Tabel 4.1 Data citra fundus retina
No Nama citra Keterangan
1 1
glaukoma 2
2 glaukoma
3 3
glaukoma 4
4 glaukoma
5 5
glaukoma 6
6 glaukoma
7 7
glaukoma 8
8 glaukoma
9 9
glaukoma 10
10 glaukoma
11 11
glaukoma 12
12 glaukoma
13 13
glaukoma 14
14 glaukoma
15 15
glaukoma 16
16 normal
17 17
normal 18
18 normal
19 19
normal PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20 20
normal 21
21 normal
22 22
normal 23
23 normal
24 24
normal 25
25 normal
26 26
normal 27
27 normal
28 28
normal 29
29 normal
30 30
normal Untuk pengujian akurasi menggunakan data sebanyak 18 citra sebagai
training. Data akan dibagi menjadi 3 kelompok data secara merata menjadi 6 data citra untuk tiap kelompok datanya. Untuk data training menggunakan kombinasi
dari dua kelompok data. Sedangkan kelompok data yang tersisa akan menjadi data testing. Pengujian akan dilakukan hingga semua kelompok data telah menjadi data
testing maupun training.
Tabel 4.2 Pembagian data untuk data uji dan dataset
Pembagian data Data Citra
Glaukoma Normal
Data uji citra 1 sampai 6
citra 16 sampai 21 Dataset
citra 7 sampai 15 citra 22 sampai 30
Tabel 4.2 menjelaskan pembagian data, banyaknya data untuk data uji dan datset, dan citra mana saja yang akan menjadi data uji dan dataset. Setelah data
dibagi, berikutnya membagi dataset kedalam 3 kelompok untuk melakukan pengujian 3 fold cross validation.
Tabel 4.3 Komposisi citra untuk tiap data
Kelompok data Data Citra
kelompok 1 7
8 9
22 23 24 kelompok 2
10 11
12 25 26 27
kelompok 3 13
14 15
28 29 30 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Setelah mendapatkan komposisi citra untuk tiap kelompok data seperti yang ditunjukan Tabel 4.3, lakukan pengujian validasi. Untuk pengujian akan dilakukan
sebanyak 3 iterasi. Penggunaan kelompok data untuk setiap iterasi dapat dilihat pada Tabel 4.4.
Tabel 4.4 Pembagian kelompok data untuk data testing dan data train untuk tiap iterasi
Iterasi Data testing
Data training
iterasi 1 kelompok 1
kelompok 2 + kelompok 3 iterasi 2
kelompok 2 kelompok 1 + kelompok 3
iterasi 3 kelompok 3
kelompok 1 + kelompok 2 Tabel 4.4 menjelaskan pembagian kelompok data untuk tiap iterasi
pengujian 3 fold cross validation. Setiap iterasi terdapat satu kelompok data sebagai data testing dan dua kelompok data sebagai data train. Kelompok data yang
digunakan sebagai data testing, tidak dapat digunakan sebagai data training dalam iterasi yang sama. Artinya setiap iterasi menggunakan kombinasi yang berbeda-
beda.
Tabel 4.5 Hasil pengujian 3 fold cross validation untuk 18 dataset
no citra
identifikasi Indikasi
k=3 k=5
k=7 k=9
1 7
glaukoma 1
1 1
1 2
8 glaukoma
1 1
1 1
3 9
glaukoma 1
1 1
1 4
22 normal
1 1
1 1
5 23
normal 1
1 1
1 6
24 normal
1 1
1 1
7 10
glaukoma 1
8 11
glaukoma 1
9 12
glaukoma 1
10 25
normal 1
1 1
11 26
normal 1
1 1
12 27
normal 1
1 1
13 13
glaukoma 14
14 glaukoma
15 15
glaukoma 1
16 28
normal 1
17 29
normal 18
30 normal
1 salah
12 10
9 12
benar 6
8 9
6
akurasi 33.33333 44.44444
50 33.33333
Dari pengujian pada Tabel 4.5 dapat dilihat bahwa akurasi dari 18 data training paling tinggi adalah 50 dengan nilai k = 7. Akurasi yang didapatkan tentu
masih kurang baik untuk dijadikan data training dalam sistem deteksi glaukoma.
Tabel 4.6 Hasil penguajian 3 fold cross validation untuk 30 data
No Citra
Indikasi identifikasi
k=3 k=5
k=7 k=9
1 1
glaukoma 1
1 1
1 2
2 glaukoma
1 1
1 1
3 3
glaukoma 1
1 1
1 4
4 glaukoma
1 1
1 1
5 5
glaukoma 1
1 1
1 6
16 normal
7 17
normal 8
18 normal
9 19
normal 1
10 20
normal 1
1 1
1 11
6 glaukoma
1 1
1 1
12 7
glaukoma 1
1 1
1 13
8 glaukoma
1 1
1 1
14 9
glaukoma 1
1 1
1 15
10 glaukoma
1 1
1 1
16 21
normal 1
1 1
1 17
22 normal
1 1
1 1
18 23
normal 1
1 1
1 19
24 normal
1 1
1 1
20 25
normal 1
1 1
1 21
11 glaukoma
1 1
1 22
12 glaukoma
1 1
1 23
13 glaukoma
24 14
glaukoma PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25 15
glaukoma 1
26 26
normal 27
27 normal
28 28
normal 1
29 29
normal 30
30 normal
1 Keterangan hasil uji
11 9
10 10
19 21
20 20
63.33333 70
66.66667 66.66667
Pengujian berikutnya yaitu menggunakan 30 data, dengan membagi data secara kedalam 3 kelompok data dimana masing-masing kelompok data terdiri dari
10 data citra. Hasil dari pengujian ini lebih baik dengan akurasi terbesar yang didapatkan adalah 70 dengan nilai k=5. Nilai akurasi untuk pengujian ini dapat
dikatakan cukup untuk digunakan dalam sistem deteksi glaukoma. Akan tetapi karena keterbatasan data, maka pengujian untuk menemukan persentase benar
dalam mendeteksi tidak dapat dilakukan. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.3. Hasil Identifikasi
