ABSTRAKSI: Iridologi merupakan metode deteksi kelemahan organ tubuh melalui ciri-ciri maupun tanda-tanda yang ada di dalam selaput pelangi (iris) mata. Hal ini dikarenakan iris mata merupakan representasi gambaran detail kondisi badan secara keseluruhan. Kondisi jaringan tubuh diinformasikan ke otak kemudian dipancarkan ke mata sehingga kondisi tubuh dapat dideteksi melalui iris mata. Organ yang dilihat pada Tugas Akhir ini adalah lambung untuk mendeteksi dispepsia.
Tugas Akhir ini mengimplementasikan Linear Discriminant Analysis (LDA) dan Jaringan Syaraf Tiruan Cascade Correlation untuk mendeteksi dispepsia. Proses pendeteksian terdiri dari tiga tahap yaitu (1) preprocessing terhadap citra mata, (2) melalui ekstraksi ciri menggunakan Linear Discriminant Analysis, (3) klasifikasi menggunakan jaringan syaraf tiruan Cascade Correlation.
LDA merupakan metode ekstrasi ciri yang memiliki peran penting untuk membuang data yang tidak berguna sedangkan Cascade Correlation merupakan metode pembelajaran jaringan syaraf tiruan yang bersifat supervised dan dinamis dimulai dari arsitektur sederhana lalu dilatih dan ditambahkan satu hidden neuron setiap iterasi hingga mencapai arsitektur yang optimal.
Hasil akurasi pengujian pendeteksian dispepsia melalui iris mata menggunakan ekstraksi ciri LDA dan jaringan syaraf tiruan Cascade Correlation dapat mencapai 100% baik untuk data latih dan data uji ketika menggunakan kombinasi parameter yang tepat.
Kata Kunci : iridologi, dispepsia, Linear Discriminant Analysis, jaringan syaraf tiruan Cascade CorrealtionABSTRACT: Iridology is a detection method of organ weakness through the features in the iris. It is because the iris is a representation of the detailed view of the whole body condition. The condition of the body notified to the brain then transmitted to the eye so that the condition of the body can be detected through the iris. Organ seen in this final project is to detect gastric dyspepsia.
This Final Project implements Linear Discriminant Analysis (LDA) and Cascade Correlation Neural Network to detect dyspepsia. Detection process consists of three stages: (1) preprocessing the image of eye, (2) feature extraction using Linear Discriminant Analysis, (3) classification using Cascade Correlation Neural Network.
LDA is a feature extraction method that has an important role to get rid of useless data, Cascade Correlation is a supervised and dynamic neural network learning methods that starting from a simple architecture which trained and added one hidden neuron each iterations until it reaches the optimal architecture.
The accurate result for dyspepsia detection by iris using LDA feature extraction and Cascade Correlation Neural Network obtained up to 100% for training and testing data when it has right pharameter.
Keyword: dyspepsia, iridology, Linear Discriminant Analysis, Cascade Correlation Neural Network