dilakukan dengan menggunakan 3D-GLCM Projection dan jaringan saraf tiruan Dillak et al., 2013.
Pada penelitian kali ini, penulis mengajukan metode Modified k-Nearest Neighbour MkNN. MkNN merupakan pengembangan dari metode k-Nearest
Neighbour kNN. MkNN memberi label kelas pada data pengujian berdasarkan k data pelatihan yang tervalidasi dan bobot dari masing-masing data pelatihan tersebut,
bukan hanya berdasarkan jarak terdekat seperti yang dilakukan pada kNN. MkNN memberikan kesempatan yang lebih besar bagi data pelatihan yang memiliki validitas
yang tinggi, sehingga klasifikasi tidak terlalu terpengaruh pada data yang kurang stabil atau memiliki validitas yang rendah. Validasi dan bobot yang dimiliki oleh MkNN
mampu mengatasi kelemahan dari klasifikasi berdasarkan jarak terdekat Parvin, 2008. Terdapat dua tahap dalam MkNN. Tahap yang pertama adalah menghitung
validitas dari masing-masing data pelatihan. Tahap selanjutnya adalah menghitung bobot pada k data pelatihan yang terdekat dengan data pengujian. MkNN telah
digunakan untuk mendeteksi ancaman pada Collaborative Information System Singh et al., 2014 dan pencarian citra pada Content Based Image Retrieval System Dharani
et al., 2013. Berdasarkan latar belakang diatas, maka penulis mengajukan proposal
penelitian dengan judul “IDENTIFIKASI DIABETIC RETINOPATHY MELALUI CITRA RETINA MENGGUNAKAN MODIFIED K-NEAREST NEIGHBOR
“.
1.2. Rumusan Masalah
Diabetic retinopathy merupakan komplikasi mikrovaskular penyakit diabetes melitus yang menyerang pembuluh darah di retina. Adapun identifikasi diabetic retinopathy
masih dilakukan secara manual oleh dokter mata melalui citra retina. Pemeriksaan manual memerlukan waktu yang lama, selain itu keberadaan mikroaneurisma,
pendarahan, eksudat, dan neovaskularisasi sulit untuk dilihat secara langsung. Oleh karena itu diperlukan suatu metode yang dapat mempermudah dokter mata dalam
mengidentifikasi diabetic retinopathy melalui citra retina.
Universitas Sumatera Utara
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengindentifikasi diabetic retinopathy melalui citra retina menggunakan Modified k-Nearest Neighbor.
1.4. Batasan Masalah
Untuk menghindari penyimpangan dan perluasan yang tidak diperlukan, penulis membuat batasan:
1. Ekstensi dari citra retina yang digunakan adalah .tif.
2. Resolusi citra retina lebih besar atau sama dengan 1440 × 957.
3. Retina pada citra harus berbentuk lingkaran.
1.5. Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah: 1.
Membantu identifikasi diabetic retinopathy melalui citra retina. 2.
Memberi masukan untuk penelitian lain pada bidang image processing.
1.6. Metodologi Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai berikut:
a. Studi Literatur
Pada tahap ini dilakukan pengumpulan bahan referensi mengenai diabetic retinopathy, image processing, dan Modified k-Nearest Neighbor dari berbagai
buku, jurnal, artikel, dan beberapa sumber referensi lainnya.
Universitas Sumatera Utara
b. Analisis
Pada tahap ini dilakukan analisis terhadap studi literatur untuk mendapatkan pemahaman mengenai metode yang akan digunakan, yaitu Modified k-Nearest
Neighbor untuk menyelesaikan masalah identifikasi diabetic retinopathy melalui citra retina.
c. Perancangan
Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, pelatihan, dan perancangan antarmuka. Proses perancangan dilakukan berdasarkan hasil
analisis studi literatur yang telah didapatkan. d.
Implementasi Pada tahap ini dilakukan implementasi dari analisis dan perancangan yang telah
dilakukan ke dalam kode program. e.
Pengujian Pada tahap ini dilakukan pengujian terhadap identifikasi diabetic retinopathy
untuk memastikan hasil identifikasi sesuai dengan apa yang diharapkan. f.
Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil analisis dan
implementasi Modified k-Nearest Neighbor dalam identifikasi diabetic retinopathy melalui citra retina.
1.7. Sistematika Penulisan
