IDENTIFIKASI KELAINAN MATA KATARAK PADA CITRA DIGITAL MENGGUNAKAN METODE DEEP LEARNING

ROHMAN, AGUS NUR and PAMUNGKAS, DANAR PUTRA and WULANNINGRUM, RESTY (2020) IDENTIFIKASI KELAINAN MATA KATARAK PADA CITRA DIGITAL MENGGUNAKAN METODE DEEP LEARNING. SEMNAS I-V. ISSN 2549-7952 (Unpublished)

[img] Text (Similarity)
RAMA_55201_16103020097_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (389kB)
[img] Text (Full Text)
RAMA_55201_16103020097.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (678kB) | Request a copy
[img] Text (References)
RAMA_55201_16103020097_0708028704_0719068702_06_REF.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (60kB)

Abstract

Katarak merupakan kelainan pada mata yang menggrogoti mata secara berlahan tanpa pasien sadari. Kelainan ini disebabkan oleh selaput pada lensa mata membuat pandangan mata menjadi berkabut serta parahnya mengakibatkan kebutaan permanen. Diagnosis katarak menggunakan computed tomography (CT) scan untuk mendapatkan hasil berupa citra digital. Citra digital kemudian dianalisis untuk menentukan pasien terkena katarak. Proses analisis biasa memakan waktu 15-30 menit. Oleh karena itu, dibuatkan aplikasi diagnosis yang akan membantu proses analisis menjadi lebih cepat. Metode Convolutional Neural Network merupakan salah satu jenis algoritma deep learning yang mengenali pola visual langsung dari pixel gambar dengan preprocessing minimal.

Item Type: Article
Uncontrolled Keywords: Convolutional Neural Network, Deep Learning, Katarak, Kecerdasan Buatan
Subjects: 260 Medical science > 287 Eye disease
410 Engineering science > 459 Computer science
410 Engineering science > 462 Information technology
Divisions: Fakultas Teknik > S1-Teknik Informatika
Depositing User: Mr Agus Nur Rohman
Date Deposited: 27 Aug 2020 12:12
Last Modified: 27 Aug 2020 12:12
URI: http://repository.unpkediri.ac.id/id/eprint/2180

Actions (login required)

View Item View Item