Detail Cantuman

Glaukoma merupakan neuropati optik kronis ditandai dengan pencekungan diskus optikus dan pengecilan lapang pandang, dapat disertai dengan peningkatan tekanan intraokuler. Pada glaukoma akan terdapat melemahnya fungsi mata dengan terjadinya cacat lapang pandang dan kerusakan anatomi berupa ekskavasi (penggaungan) serta degenerasi pupil saraf optik yang dapat berakhir dengan kebutaan. Dalam penelitian ini penulis menerapkan Relevance Vector Machine untuk mengidentifikasi glaukoma pada retina manusia. Relevance Vector Machine adalah sebuah metode pembelajaran mesin yang diadaptasi dari Bayesian Framework. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan F-Measure. Eksperimen dilakukan pada dataset glaukoma yang diperoleh nilai rata-rata dari segi accuracy, precision, recall, dan f-measure berturut-turut adalah accuracy 80%, precision 86%, recall 80%, dan f-measure 79%. Nilai-nilai tersebut dipengaruhi oleh jumlah dataset dari citra training, citra validation, dan citra uji. Berdasarkan hasil tersebut, Relevance Vector Machine yang diusulkan memiliki kinerja accuracy 80%.
Kata Kunci: Indentifikasi, Glaukoma, Relevance Vector Machine, Gray-level Cooncurrence Matrix