Setelah didapatkan nilai ekstraksi ciri, maka nilai dari fractal dimension dan nilai-nilai dari invariant moments akan menjadi input pada proses identifikasi
diagnosis penyakit hypertensive retinopathy ini dengan menggunakan probabilistic neural network.
3.7. Klasifikasi
Tahap selanjutnya setelah didapatkan nilai ekstraksi ciri yaitu klasifikasi dengan menggunakan metode Probabilistic Neural Network PNN. Tahapan pada
metode ini dibagi menjadi dua tahap yaitu tahap pelatihan dan tahap pengujian. Dalam tahap pelatihan yaitu akan digunakan nilai ekstraksi ciri dari beberapa data latih.
Sedangkan pada tahap pengujian nilai ekstraksi ciri dari data uji akan masuk kedalam pattern layer kemudian ke summation layer dan nilai probabilitas yang paling
tertinggi akan dikelompokkan kedalam kelas tersebut. Proses pelatihan pada metode PNN terdiri dari langkah yang unik, yaitu
menyimpan bobot masing-masing neuron pada pattern layer yang terbentuk oleh vektor hasil dari ekstraksi ciri dari masing-masing data pelatihan. Proses pelatihan
algoritma PNN dapat dilihat pada Gambar 3.10.
Gambar 3.10. Pseudocode proses pelatihan metode PNN
Proses pengujian pada metode PNN terdiri dari beberapa langkah diantaranya yaitu :
1. Masukkan data pegujian pertama
2. Kemudian data uji akan dihitung jarak kedekatannya dengan vektor bobot
yang ada didalam database. Dan diterapkan fungsi gaussian kernel dengan persamaan 2.17.
3. Kemudian dijumlahkan hasil dari fungsi gaussian kernel dengan kelas yang
sama kemudian dirata-ratakan dengan jumlah data uji sesuai dengan kelas inisialisasi matriks N
for i=0 sampai i=panjang N tetapkan nilai ekstraksi ciri sebagai weight
simpan weight kedalam database end for
Universitas Sumatera Utara
masing-masing. Tujuan dari proses ini yaitu mencari probabilitas masing- masing kelas. Proses ini dilakukan dengan persamaan 2.18.
4. Nilai probabilitas yang tertinggi akan masuk kedalam kelas tersebut.
Adapun alur proses pengujian dapat dilihat pada Gambar 3.11.
Gambar 3.11. Proses pengujian metode PNN
Start
Input nilai ektraksi ciri data uji
Hitung jarak antara vektor data uji dengan
nilai bobot
Terapkan fungsi gaussian kernel
Jumlahkan nilai gaussian kernel kelas sama
Terapkan fungsi kepadatan probabilitas
Terapkan fungsi bayes’s decision
Hasil identifikasi
Stop
Universitas Sumatera Utara
3.8. Perancangan Sistem
