KLASIFIKASI JENIS PENYAKIT MATA BERDASARKAN CITRA FUNDUS RETINA DENGAN ALGORTIMA K-MEANS DAN K-MEDOIDS MENGGUNAKAN DIMENSI FRAKTAL BOX COUNTING

CLASSIFICATION OF TYPES OF EYE DISEASES BASED ON RETINAL FUNDUS IMAGES WITH K-MEANS AND K-MEDOIDS ALGORITHM USING FRACTAL BOX COUNTING DIMENSIONS

Mata merupakan salah satu bagian tubuh yang mempunyai peranan penting dalam kehidupan manusia. Seperti halnya penglihatan, mata mempunyai bagian-bagian yang mempunyai fungsinya masing-masing, baik bagian luar seperti kelopak mata dan alis, maupun bagian dalam mata seperti kornea, retina, dan pupil. Gangguan penglihatan mengacu pada segala kondisi yang mempengaruhi kemampuan mata untuk melihat dengan jelas atau berfungsi secara optimal. Gangguan penglihatan dapat mempengaruhi berbagai aspek kehidupan sehari-hari dan memerlukan perawatan dan pengobatan yang tepat. Untuk membedakan berbagai jenis penyakit mata dapat dilakukan dengan mengambil gambar bagian fundus retina. Pada penelitian ini dilakukan pengenalan ciri dari masing-masing penyakit mata yaitu Retinopati Diabetik, Miopia Patologis, Retinopati Hipertensi, dan Degenerasi Makula. Sebanyak 100 citra fundus retina digunakan dalam penelitian ini, langkah awal yaitu mengubah citra ke dalam bentuk RGB lalu dilakukan beberapa proses segmentasi citra pada fundus retina yaitu green channel, CLAHE, morfologi opening, dan complement image (negative image). Gambar tersebut kemudian digunakan untuk mengidentifikasi penyakit mata menggunakan deteksi tepi menggunakan metode Canny. Selanjutnya, dengan mempergunakan dimensi fraktal metode box-counting, dimensi fraktal yang dihasilkan digunakan dalam proses pengklasteran. Hasil dimensi fraktal akan diklasifikasikan menggunakan metode pengelompokan K-Means dan K-Medoids dengan lima klaster. Algoritma K-Means menghasilkan akurasi sebesar 84% sedangkan algoritma K-Medoids menghasilkan akurasi sebesar 76%. Sehingga, dapat disimpulkan Algoritma K-Means merupakan metode yang terbaik dalam pengklasifikasian jenis penyakit mata  berdasarkan citra fundus retina menggunakan dimensi fraktal Box Counting.

Kata Kunci: Retinopati Diabetik, Miopia Patologis, Retinopati Hipertensi, Degenerasi Makula, Box-Counting, K-Means, K-Medoids.

The eyes are one part of the body that has an important role in human life. Like vision, the eye has parts that have their respective functions, both the outer parts such as the eyelids and eyebrows, and the inner parts of the eye such as the cornea, retina and pupil. Visual impairment refers to any condition that affects the eye's ability to see clearly or function optimally. Visual impairment can affect various aspects of daily life and requires appropriate care and treatment. To differentiate between different types of eye disease, you can take a fundus image of the retina. In this study, an introduction to the characteristics of each eye disease was carried out, namely Diabetic Retinopathy, Pathological Myopia, Hypertensive Retinopathy and Macular Degeneration. A total of 100 retinal fundus images were used in this study. The first step taken was to convert the image into RGB form and then carry out several image segmentation processes on the retinal fundus, namely the green channel, CLAHE, morphological opening, and complementary image (negative image). The image is then used to identify eye disease using edge detection using the Canny method. Next, by using the fractal dimension box calculation method, the resulting dimension values are used in the clustering process. The resulting dimension values will be classified using the K-Means and K-Medoids grouping methods with five clusters. The K-Means algorithm produces an accuracy of 84% while the K-Medoids algorithm produces an accuracy of 76%. So, it can be concluded that the K-Means algorithm is the best method for classifying types of eye disease based on retinal fundus images using the fractal dimension of Box Counting.

Keywords: Diabetic Retinopathy, Pathological Myopia, Hypertensive Retinopathy, Macular Degeneration, Box-Counting, K-Means, K-Medoids