Diabetes Retinopatipenyakit yang terjadi pada mata menyebabkan penglihatan penderita terganggu, pada tingkat lanjut dapat menyebakan kebutaan pada penderita. Pemeriksaan secara medis dilakukan dengan kamera fundus dan menghasilkan citra fundus mata. Untuk mengetahui tingkatan Diabetes Retinopati dilakukan klasifikasi terhadap tingkat keparahan berdasarkan citra fundus. Penelitian ini menggunakan database MESSIDOR(Methods for Evaluating Segmentation and Indexing techniques Dedicated to Retinal Ophthalmology). Pada penelitian ini ada 3 tahapan utama, Tahap pertama menyiapkan citra inputan, inputan menggunakan citra asli yang dirubah jadi grayscale dan citra eliminasi pembuluh darah. Citra eliminasi pembuluh darah didapat dengan overlapping antara citra grayscale dan citra hasil segmentasi. Tahap kedua proses ekstraksi fitur Linear Discriminant Analysis (LDA) yang diawali dengan proses ekstraksi fitur Principal Component Analysis (PCA). Hasil ekstraksi fitur digunakan pada tahap ketiga yaitu proses pengukuran kemiripan dengan Euclidean Distance. Sistem dapat bekerja dengan tingkat akurasi maksimum 40,88% dengan fitur awal (76) dengan inputan citra grayscale dan dengan nilai fitur yang sama menggunakan fitur awal (76) didapat akurasi 40,25% inputan menggunakan eliminasi pembuluh darah.

Diabetic retinopathy caused the eye disease and at advanced levels can cause blindness to patients. Medical examination conducted with a fundus camera and produce eye fundus image. To find the level of Diabetic Retinopathy, classify the severity level based on the fundus image. This research useddatabaseMESSIDOR(Methods for Evaluating Segmentation and Indexing techniques Dedicated to Retinal Ophthalmology). In this reseach, there are three main phases, the first phase of setting up the input image using the input the grayscale image and elimination of the blood vessels image. Elimination of the blood vessels image obtained by the overlapping between the grayscale image and the image of segmentation results. The second phase is the process of feature extraction Linear Discriminant Analysis (LDA), which begins with the process of feature extraction Principal Component Analysis (PCA). The results of feature extraction is used to the third phase, namely the process of similarity measuement with Euclidean Distance. The system worked with maximum accuracy rate of 40.88% with initial features (76) with input grayscale image and the value of the same features using the initial feature (76) obtained using the input accuracy of 40.25% elimination of blood vessels.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal