Perbandingan Metode Pembelajaran Mesin Berbasis Parametrik dan Non-Parametrik Untuk Klasifikasi Diabetic Retinopathy Imagery

Abstract

Untuk mendeteksi kerusakan retina dapat dilakukan bantuan algoritmapembelajaran mesin. Klasifikasi citra dengan menggunakan machine learningtechniques (MLTs) dapat membantu proses penentuan pasien penderitadiabetic retinopathy (DR). Teknik machine learning yang digunakan dapatdikelompokkan menjadi nonparametric (support vector machine) danparametric (logistic regression). Tahap penelitian termasuk persiapan,ekstraksi fitur, normalisasi, klasifikasi, evaluasi dilakukan terhadap datasetgambar digital fundus yang disediakan oleh EyePACS. Model klasifikasimenggunakan model nonparametric (support vector machine) dan parametric(logistic regression). Sebagai hasil, metode logistic regression mendapatkanhasil akurasi (accuracy) sebesar 74%, recall sebesar 74%, presisi (precision)sebesar 60% dan F1-score sebesar 63%. Selain itu, metode support vectormachine mendapatkan hasil akurasi (accuracy) sebesar 74%, recall sebesar74%, presisi (precision) sebesar 55% dan F1-score sebesar 63%