Abstract.One of new student admission pathways at Universitas Negeri Surabaya (Unesa) is through the Indonesian National Public University Admission. This path is quite favourable for academic or vocational high school students who want to study at Unesa so that the number of participants for this selection program can reach up to ten thousand people every year. The large number of applicants makes the selection process more complex. Meanwhile, Unesa still uses the concept of weighting criteria in determining the result. One of the constraints in weighting process is the absence of optimal pattern or weight. This paper discusses a supervised learning approach to make determining process pattern which replaces manual weighting criteria. The supervised learning method used in this research was the Neural Network with multilayer perceptron. This research showed sufficient result which can be seen from the high accuracy rate (89.56%). The accuracy rate is enough to decide which participants who pass or fail the national admission. This system can be used as a prediction for the following years.
Abstrak— Seiring dengan perkembangan teknologi informasi, kebutuhan dalam pencarian informasi menjadi hal yang penting. Jika pencarian informasi selama ini dilakukan pada data berjenis teks, maka pada perkembangan teknologi saat ini, memungkinkan adanya pencarian informasi dalam bentuk citra digital. Hal tersebut terjadi karena adanya peningkatan jumlah pustaka digital dalam bentuk citra. Sebuah metode pengembalian citra menjadi komponen utama untuk memecahkan masalah tersebut. CBIR merupakan sistem pengembalian citra yang akan membantu dalam proses pencarian citra dengan memanfaatkan fitur-fiturnya. Penggunaan ekstraksif fitur yang tepat diperlukan untuk mendapatkan fitur tersebut. Pemilihan ekstraksi ftur akan sangat memengaruhi hasil dari CBIR. Salah satu metode yang dapat melakukan ekstraksi fitur pada citra adalah CNN. Metode yang masih dalam satu jenis dalam deep learning ini mampu mempelajari fitur citra untuk dimanfaatkan ke dala bidang visi komputer. Karena itu, CNN menjadi perhatian menarik dalam penelitian ini untuk melakukan CBIR. Penggunaan filter Gabor yang mampu mendapatkan tekstur citra dengan baik juga akan diimplementasikan sebagai filter pada lapisan konvolusi CNN. Dengan menggunakan CNN dan filter gabor, penelitian ini mampu mendapatkan nilai mAP sebesar 0,895 terhadap data uji dengan dataset GHIM10k. Penelitian ini juga membandingkan beberapa metode pengukuran jarak untuk mendapatkan sistem CBIR terbaik. Kata Kunci— Content Based Image Retrieval; Convolutional Neural Networks; pengukuran jarak; filter Gabor; visi komputer.
ABSTRAKKata Kunci: diabetic retinopathy, citra fundus retina, pembuluh darah.
PENDAHULUANDiabetic Retinopathy merupakan salah satu penyakit pada retina mata yang disebabkan oleh diabetes. Penyakit ini menyebabkan keabnormalan pada retina, dan dalam kondisi terparah akan menyebabkan kebutaan. Beberapa faktor yang menyebabkan diabetic retinopathy antara lain durasi terkena penyakit diabetes, umur, tingkat tekanan darah, masa puber, kehamilan dan lain-lain [1].Durasi waktu dari penderita diabetes adalah faktor resiko terpenting dari penyakit ini. Dalam pasien yang didiagnosa mengidap penyakit diabetes sebelum usia 30 tahun, peluang munculnya diabetic retinopathy sekitar 50% setelah 10 tahun dan 90% setelah 30 tahun. Diabetic retinopathy jarang berkembang setelah 5 tahun dari serangan diabetes atau sebelum masa puber. Sekitar 5% dari diabetes tipe 2 juga mengidap diabetic retinopathy [2]. Gambar 1 merupakan pembuluh darah yang tampak dalam citra fundus retina mata.. Gambar 2 merupakan struktur anatomi dari retina mata. Dari Gambar 2 dapat terlihat, bagian-bagian dari retina mata (pembuluh darah, optic disc, dan macula) termasuk gejala-gejala dari penyakit diabetic retinopathy (exudates dan hemorrhage).Pembuluh darah merupakan salah satu faktor penting dalam pendeteksian penyakit diabetic retinopathy. Pada dasarnya kelainan pada retina mata yang disebabkan oleh penyakit diabetic retinopathy merupakan kelainan-kelainan yang ada pada pembuluh darah retina mata [3,4]. Salah satu contoh gejala diabetic retinopathy yang dapat dilihat dari pembuluh darah antara lain munculnya microaneurysm dan hemorrhage yang disebabkan adanya tonjolan yang ada pada pembuluh darah dalam retina mata [5]. Oleh karena itu diperlukannya suatu metode untuk segmentasi pembuluh darah yang tepat dan baik agar tonjolan yang ada pada pembuluh darah dalam retina dapat terdeteksi secara jelas.Berbagai penelitian mengenai segmentasi pembuluh darah telah dilakukan oleh beberapa peneliti dalam beberapa tahun terakhir. Beberapa makalah yang digunakan sebagai acuan dalam penelitian ini terlihat pada Gambar 3. Dari Gambar 3 terlihat bahwa makalah yang terbanyak dipakai dalam penelitian ini adalah makalah yang dipublikasikan pada tahun 2012. Makalah ini berjumlah 12, merupakan 23% dari jumlah makalah yang dipakai dalam penelitian ini. Hasil penelitian mereka dapat disimpulkan bahwa pada dasarnya metode untuk segmentasi pembuluh darah pada citra fundus retina mata terdiri dari 3 tahap, yakni: preprocessing, segmentasi dan postprocessing.Makalah ini disusun sebagai berikut. Pada bagian pertama dijelaskan mengenai segmentasi pembuluh darah pada diabetic retinopathy. Pada bagian kedua dijelaskan mengenai preprocessing yang digunakan dalam algoritma segmentasi pembuluh darah. Pada bagian ketiga dijelaskan mengenai proses segmentasi yang digunakan. Proses segmentasi ini terbagi menjadi tiga, yakni image based, pattern recognition based dan vessel tracking/tracing. Pada bagian keempat dijelaskan
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.