Diabetes mellitus merupakan salah satu penyakit metabolik yang disebabkan karena adanya kadar gula pada darah yang tinggi selama periode waktu yang panjang. Jumlah penderita diabetes mellitus diperkirakan akan meningkat dalam beberapa tahun mendatang, seperti pada tahun 2013 jumlah penderita diabetes mellitus berada pada kisaran 382 juta dan diperkiran akan meningkat menjadi 592 juta penderita diabetes mellitus pada tahun 2035. Retinopati diabetik merupakan komplikasi vaskular yang disebabkan oleh diabetes mellitus yang dapat menyebabkan kebutaan. Retinopati diabetik terjadi karena kadar gula pada darah yang terlalu banyak yang dapat menyumbat pembuluh-pembuluh darah kecil di retina. Citra fundus retina mata saat ini sudah banyak digunakan untuk menentukan kelainan mata atau penyakit lainnya, seperti dalam penelitian yang dilakukan Tomas Walter, dkk dalam judul “A Contribution of Image Processing to Diagnosis of Diabetic Retinopathy-Detection of Exudates in Color Fundus Images of the Human Retina”.
Oleh karena itu dibutuhkan metode tertentu yang mampu mengolah data citra retina untuk mendeteksi apakah citra retina yang kita punya teridentifikasi penyakit diabetes atau tidak. Salah satu metode yang bias kita terapkan adalah fuzzy modeling network tipe 2 (FMN Tipe 2) dan PCA. Fuzzy modeling network tipe 2 (FMN Tipe 2) merupakan salah satu metode pembentukan dari backpropagation untuk mengidentifikasi aturan-aturan fuzzy dan fungsi keanggotaan secara otomatis dengan cara memodifikasi bobot-bobot jaringan saraf tiruan menggunakan algoritma back-propagation. Principal Component Analysis (PCA) merupakan suatu proses yang digunakan untuk mengurangi ukuran dari citra retina.
Pada pendeteksian penyakit diabetes melalui citra retina, tahapan proses yang dilakukan antara lain, melakukan proses pengolahan citra retina (fundus), melakukan pengurangan ukuran citra, perhitungan menggunakan fuzzy modeling network tipe 2 backpropagation, dan proses akhir adalah proses deteksi diabetes melalui citra retina dengan aplikasi.
Data yang digunakan dalam penelitian ini adalah 20 citra fundus mata, yang diambil dari database MESSIDOR dengan alamat http://mesddifor.crihan.fr dimana Mesdiffor merupakan program riset yang didanai oleh TECHNO-VISI Kementrian Riset dan Pertahanan Prancis tahun 2004 dengan pembagian citra yang digunakan terdiri dari 10 citra fundus sebagai proses testing dan 10 citra fundus mata untuk proses validasi. Dengan ukuran citra yang digunakan 185 x 185 pixel dan format gambar yang digunakan .jpg. Contoh gambar fundus yang digunakan, dapat dilihat pada gambar berikut.
Tahapan yang dilakukan untuk proses deteksi penyakit diabetes melalui citra retina, diantaranya pengolahan citra, mereduksi ukuran citra, dan melakukan diagnosa pada citra fundus mata. Pada tahap pertama yaitu melakukan pengolahan citra, pada tahap ini semua citra fundus retina mata yang digunakan akan dirubah kedalam citra grayscale untuk memperoleh warna gray, kemudian hasil dari pengolahan grayscale diproses lagi dengan menggunakan histogram equalization untuk meratakan skala abu-abu pada citra fundus retina mata. Hasil dari tahap pengolahan citra dapat dilihat pada Gambar 2, karena hasil dari pengolahan citra masih memperoleh data matriks yang besar dengan ukuran 185 x 185 dan nilai yang berada pada interval 0 sampai 255, maka dilakukanlah tahap kedua yaitu mereduksi ukuran data input dengan menggunakan Principal Component Analysis sehingga diperoleh ukuran data baru yaitu 10 x 10. Setelah proses reduksi selesai, hasil dari reduksi citra fundus retina mata akan dilakukan proses normalisasi untuk penskalaan data.
Pada tahap yang ketiga yaitu melakukan diagnosa citra fundus mata menggunakan FMN tipe 2. Hasil dari normalisasi data akan digunakan sebagai input pada proses FMN tipe 2. Hasil dari diagnosis menggunakan FMN tipe 2 dengan beberapa percobaan learning rate yang digunakan seperti 0.1203, 0.072 dan 0.256. hasil presentase keakurasian dari diagnosis menggunakan FMN tipe 2 dapat dilihat pada Gambar 3.
Tujuan dari penelitian ini adalah untuk mendiagnosis penyakit diabetes pada citra retina (fundus mata) dengan Fuzzy Modeling Network Tipe 2 dan Principal Component Analysis. Tahapan dalam diagnosis retinopati diabetik adalah pemrosesan gambar, pengurangan fitur dan proses diagnosis. Diagnosis retinopati diabetik menunjukkan bahwa sistem telah dapat mengenali pola gambar dengan baik, dengan akurasi 80% menggunakan 0,256, 0,3037 dan 0,6431 dari tingkat pembelajaran.
Penulis: Auli Damayanti
Detail tulisan ini dapat dilihat di
https://iopscience.iop.org/article/10.1088/1742-6596/1306/1/012020
A Damayanti, S Maimunah, A B Pratiwi. 2019. Fuzzy modeling network type 2 and principal component analysis for the diagnosis of diabetic retinopathy. Journal of Physics: Conference Series.
