Pendeteksian penyakit diabetic retinopathy telah dilakukan oleh berbagai peneliti dengan menggunakan machine learning berbasis image processing. Namun dalam prakteknya, citra yang seharusnya dideteksi sebagai ciri normal justru dianggap sebagai ciri penyakit. Sebagai contoh optic disc yang dideteksi sebagai lemak protein (eksudat). Oleh karena itu, peneliti-peneliti sebelumnya telah mengembangkan metode guna menghilangkan optic disc sebelum proses klasifikasi keparahan penyakit diabetic retinopathy agar akurasi yang didapat lebih tinggi. Proses untuk menghilangkan optic disc adalah mengeliminasi optic disc dari citra asli yang telah ditempelkan dengan citra dari proses sebelumnya (segmentasi). Tahapan selanjutnya melakukan ekstraksi fitur untuk mendapatkan karakteristik citra. Pada penelitian ini, ekstraksi fitur yang digunakan metode simplify 2D-LDA yang merupakan penyederhanaan dari metode LDA. Perhitungan akurasi pada percobaan ini menggunakan similarity measurement ecludian distances. Dengan menggunakan metode ini, hasil yang didapatkan selama percobaan mencapai 50% menggunakan citra tanpa eliminasi optic disc dengan perbandingan data antara data pelatihan dan pengujian sebesar 2:1.

The detection of diabetic retinopathy have been conducted by various researchers using machine learning-based image processing. But in practice, the image that should be detected as a normal characteristic is exactly detected as characteristic of the disease. For example, optic disc is detected as fat of protein (exudate). Therefore, previous researchers have developed a method to eliminate the optic disc prior to the classification of disease severity diabetic retinopathy in order to obtain higher accuracy. The process to remove the optical disc is to eliminate the optic disc of the original image that has been affixed to the image of the previous process (segmentation). The next stage perform feature extraction to obtain the characteristics of the image. In this study, which used feature extraction methods simplify 2D-LDA is a simplified method of LDA. Calculation of accuracy in this experiment used similarity measurement euclidean distances. By using this method, the results obtained during the experiments reached 50% using the image without the elimination of optic disc with data comparison between the training data and testing of 2:1.

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