ANALISIS JUMLAH NODE HIDDEN LAYER ALGORITMA BACKPROPAGATION DALAM IDENTIFIKASI PENYAKIT MATA

Abstract

Mata mempunyai banyak manfaat, diantaranya dapat digunakan sebagai alat penglihatan dan alat pengenalan manusia karena setiap individu mempunyai karakteristik atau ciri yang berbeda setiap iris mata. Mata juga dapat digunakan sebagai alat bantu identifikasi penyakit, misalnya identifikasi penyakit mata, penyakit prankreas, penyakit ginjal, dan diabetic retinopathy berdasarkan citra iris mata. Ekstraksi fitur citra dan metode identifikasi sangat berpengaruh terhadap hasil identifikasi penyakit. Ekstraksi fitur yang digunakan dalam penelitian ini adalah fitur tekstur citra, yaitu nilai rata-rata citra grayscale, standar deviasi, skewness, variance, entropy, kontras, energi, korelasi, homogeneity. Citra input dari penelitian diambil dari kaggle dataset dengan jumlah kelas penyakit sebanyak tiga, yaitu Gloucoma, Cataracts, dan Uveitis. Tujuan penelitian ini menganalisis jumlah node di hidden layer Backpropagation dalam identifikasi penyakit mata. Metode Backpropagation yang diusulkan akan terdapat 4 jenis arsitektur sebagai berikut: arsitektur pertama 9 node input layer, 5 node hidden layer, dan 2 node output layer. Arsitektur kedua adalah 9, 7, 2, arsitektur ketiga 9, 9, 2, dan arsitektur keempat 9, 15, 2. Hasil dari ujicoba arsitektur yang nilai akurasinya terbaik adalah 9, 7, 2, dengan 9 node input layer, 7 node hidden layer, dan 2 node output layer sebesar 54.17%.