Abstraksi Diabetic Retinopathy merupakan penyakit yang diakibatkan oleh komplikasi dari penyakit diabetes mellitus. Diabetic Retinopathy dapat menyebabkan kerusakan mata dan apabila tidak ditangani dengan tepat dapat menyebabkan kerusakan permanen. Penyakit Diabetic retinopathy menyebabkan kerusakan pada retina mata bagian pembuluh darah. Untuk mengetahui penderita mengalami penyakit ini di butuhkan maka dibutuhkan system yang dapat menganalisa informasi pada citra. Maka dari itu diperlukan adanya penelitian klasifikasi diabetic retinopathy untuk analisa citra fundus mata. Tugas Akhir ini menggunakan metode gray level run length matrix (GLRLM) sebagai metode ekstraksi fitur dan metode learning vector quantization (LVQ) sebagai klasifikasinya. Terdapat tiga langkah proses dalam klasifikasi penelitian ini. Proses pertama dengan mengubah citra asli menjadi grayscale, kemudian dilakukan masking overlay yaitu mengeliminasi blood vessel pada citra grayscale dengan hasil proses segmentasi. Langkah kedua adalah ekstraksi fitur dengan menggunakan metode GLRLM. Proses terakhir yaitu klasifikasi fase dengan menggunakan learning vector quantization (LVQ). Pengujian akan dilakukan terhadap database . Berdasarkan hasil penelitian danpengujian terhadap sistem, maka didapatkan tingkat akurasi tertinggi sebesar 48.3333%. Kata Kunci : diabetic retinopathy, gray level run length matrix, learning vector quantization

Abstraction Diabetic Retinopathy is a disease caused by complications of diabetes mellitus. Diabetic retinopathy can cause eye damage and if not treated properly can cause permanent damage. Diabetic retinopathy causes damage to the retina of the blood vessel. To find out the sufferer suffered from this disease in need of the required system that can analyze the information on the image. Therefore it is necessary to study the classification of diabetic retinopathy for analysis of the eye fundus image. This final project uses gray level run length matrix (GLRLM) method as a feature extraction method and learning vector quantization (LVQ) method as its classification. There are three process steps in this research classification. The first process by converting the original image to grayscale, then masking overlay is to eliminate the blood vessel on grayscale image with the result of the segmentation process. The second step is feature extraction using GLRLM method. The last process is phase classification using learning vector quantization (LVQ). Testing will be done on the database. Based on the results of research and testing of the system, then obtained the highest accuracy rate of 48.3333%. Keyword : diabetic retinopathy, gray level run length matrix, learning vector quantization

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