Mata adalah alat indera pada manusia yang berfungsi sebagai organ penglihatan. Gangguan penglihatan yang sangat memprihatinkan adalah masalah kebutaan. Mengacu pada data dari Riskesdas Kemenkes RI tahun 2013, penyebab kebutaan terbanyak di Indonesia adalah katarak. Dengan berkembangnya teknologi, pendeteksian dan klasifikasi katarak menjadi lebih mudah dengan adanya pengolahan citra digital. Pada Tugas Akhir ini, dibuat sistem untuk melakukan klasifikasi citra mata digital menjadi tiga kategori yaitu citra mata normal, citra mata katarak imatur, dan citra mata katarak matur. Tugas Akhir ini menggunakan metode 3D Gray Level Co-Occurrence Matrix (3D GLCM) sebagai ekstraksi ciri dan klasifikasi menggunakan metode Jaringan Syaraf Tiruan Backpropagation. Dari hasil pengujian diperoleh akurasi terbaik dari klasifikasi katarak sebesar 91,11%. Akurasi tersebut didapatkan dari pengujian 90 citra mata menggunakan metode 3D Gray Level Co-Occurrence Matrix dengan kombinasi empat ciri statistik yaitu Contrast, Correlation, Energy dan Homogeneity dengan offset arah [0 1 -1] dan Jaringan Syaraf Tiruan (JST) Backpropagation dengan nilai epoch dan hidden layer masing-masing adalah 100 dan 500.
Kata Kunci: Katarak, 3D GLCM, Jaringan Syaraf Tiruan, Backpropagation
The eye is a sensory tool in humans that functions as a visual organ. A very disturbing vision problem is the problem of blindness. Referring to data from the Indonesian Ministry of Health’s Riskesdas in 2013, the most common causes of blindness in Indonesia are cataracts. With the development of technology, the detection and classification of cataracts is easier with digital image processing. In this Final Project, a system is made to classify digital images into three categories of normal image analysis, immature cataract images, and mature eye cataract images. This Final Project uses the 3D Gray Level Co-Occurrence Matrix (3D GLCM) method as feature extraction and the Backpropagation Artificial Neural Network method as a classification. From the test results obtained the best testing of cataract classification was 91,11%. The accuracy was obtained from testing 90 eye images using the 3D Gray Level Co Occurrence Matrix method with a combination of four statistical characteristics consist of Contrast, Correlation, Energy and Homogeneity with an offset directions [0 1 -1] and Backpropagation Artificial Neural Networks (ANN) when epoch 100 and hidden layer 500.
Keyword: Cataracts, 3D GLCM, Artificial Neural Networks, Backpropagation.