Deteksi Hiperkolesterolemia Melalui Iris Mata Menggunakan Image Processing dengan Metode K-Means Clustering dan Gray Level Co-Occurrence Matrix (GLCM)

Abstract

Penelitian ini mengidentifikasi penyakit hiperkolesterolemia melalui iris mata dengan menggunakan image processing dan klasifikasi k-means clustering. Citra yang digunakan terdiri dari 30 citra normal dan 30 citra abnormal. Pengolahan citra dilakukan melalui tahap preprocessing yang meliputi cropping, histogram equalization, deteksi tepi canny, segmentasi dan tahap ekstraksi ciri dengan GLCM yang meliputi penentuan nilai kontras, korelasi, energi dan homogenitas. Nilai parameter kontras, korelasi, energi dan homogenitas menjadi input pada metode k-means clustering untuk pengelompokan. Berdasarkan ekstraksi ciri diperoleh nilai kontras citra yang teridentifikasi normal berkisar antara 0,08 hingga 0,16, nilai korelasi dari 0,23 hingga 0,96, nilai energi dari 0,65 hingga 0,85 dan nilai homogenitas dari 0,92 hingga 0,96. Nilai kontras yang teridentifikasi hiperkolesterolemia berkisar antara 0,11 hingga 0,18, nilai korelasi dari 0,24 hingga 0,31, nilai energi dari 0,60 hingga 0,75 dan nilai homogenitas dari 0,91 hingga 0,94. Hasil pengelompokan ciri citra iris mata normal dan hiperkolesterolemia berdasarkan parameter kontras diperoleh akurasi sebesar 85%, berdasarkan parameter korelasi diperoleh akurasi sebesar 75%, berdasarkan parameter energi diperoleh akurasi sebesar 83,3% dan berdasarkan parameter homogenitas diperoleh akurasi sebesar 83,3%. Sehingga dapat disimpulkan bahwa penggunaan k-means clustering mampu membedakan ciri citra normal dengan ciri citra hiperkolesterolemia dengan akurasi tinggi.