ABSTRAKSI: Iridologi merupakan ilmu pengetahuan dan praktik yang dapat mengungkapkan kondisi organ tubuh didasarkan pada analisis susunan iris mata (selaput pelangi). Perubahan atau gangguan penyakit pada jaringan tubuh akan diinformasikan melalui neuron serabut saraf ke otak. Informasi berupa gelombang energi ini oleh otak dipancarkan ke mata dan terekam serta difiksasi oleh iris mata. Selanjutnya, fiksasi rekaman ini menjadi jejak-jejak data yang dapat dideteksi sehubungan dengan gangguan/ penyakit yang dialami oleh organ tubuh.
Penelitian tentang komputerisasi iridology ini menggunakan metode Principal Component Analysis (PCA) untuk proses pemilihan fitur sehingga dapat menemukan pola pada data dan mengkompresi data dengan cara mngurangi jumlah dimensi tanpa harus kehilangan banyak informasi. Selain itu juga digunakan K-Nearest Neighbors (KNN) untuk pengenalan dan interpretasi.
Pada penelitian ini, pendeteksian kondisi ginjal didesain melalui tahapan akuisisi citra, grayscale, segmentasi, ekstraksi variasi tekstur, dan pengenalan. Masukan berupa sampel iris pasien yang menujukkan 5 kondisi stadium yaitu normal, akut, subakut, kronis dan degeneratif. Pengujian dilakukan dengan program simulasi menggunakan perangkat Matlab 7.4.0. Sistem ini dapat mendeteksi suatu penyakit dengan cepat dan dengan tingkat keberhasilan 96% untuk melakukan pengidentifikasian pada mata kanan dan 92% pada mata kiri dengan menggunakan K-Nearest Neighbors.
Kata Kunci : Iridology, Principal Component Analysis (PCA), K-NearestABSTRACT: Iridology is knowledge and practice that can give expression to body condition based on the analysis of iris structure. The disturbance disease of body network will be informed by fiber nerve to brain. Information of this energy wave will be emission by brain to eye, recorded and fixed to the iris. Then, this record fixation to be data trails that can be detected in connection with disturbance/disease attack body.
The research of this computerized iridology using Principle Component Analysis (PCA) method for extraction process. It can found the pattern of data and also make data compression by decrease of dimension without many lose information. Beside that, this research also using K-Nearest Neighbors (KNN) for image recognition and interpretation.
In this research, detection of kidney condition is designed by image acquisition state, grayscale, segmentation, extraction texture variation, and recognition. The input of this system is sample iris of patient that gives indicating of state condition, normal, acute, sub acute, cronies, and degenerative. The test does with program simulation using Matlab 7.4.0 this system can detect disease quickly and the accuracy of this system is 96% for identification on right eye and 92% for left eye using K-Nearest Neighbors.
Keyword: Iridology, Principle Component Analysis (PCA), K-Nearest neighbors