BAB I

PENDAHULUAN

1.1 Latar Belakang

Katarak merupakan salah satu penyakit mata yang disebabkan oleh faktor usia.
Katarak adalah kekeruhan yang terjadi pada sebagian maupun keseluruhan lensa
mata. Hal ini menyebabkan berkurangnya penglihatan dari penderita, karena
keruhnya lensa mata membuat cahaya menjadi sulit mencapai retina. Tetapi selain
disebabkan faktor usia atau degeneratif, katarak dapat disebabkan karena tingkat
paparan sinar UV yang tinggi. Katarak juga bisa terjadi karena penyalahgunaan
obat-obatan atau suplemen, khususnya steroid, trauma atau kecelakaan pada mata,
operasi mata sebelumnya, dan penyebab lain yang belum diketahui[1].

Menteri Kesehatan Indonesia telah mendapatkan hasil survei kebutaan dengan

menggunakan metode Rapid Assessment of Avoidable Blindness (RAAB) yang
telah dilakukan di 3 provinsi (NTB, Jabar dan Sulsel) tahun 2013 -2014. Dari hasil
survei tersebut, didapatkan prevalensi kebutaan pada masyarakat usia > 50 tahun
rata-rata di 3 provinsi tersebut adalah 3,2 % dengan penyebab utama adalah katarak
(71%). Diperkirakan setiap tahun kasus katarak akan selalu bertambah sebesar 0,1%
dari jumlah penduduk atau kira-kira 250.000 orang/tahun. Sementara itu
kemampuan medis untuk melakukan operasi katarak setiap tahun diperkirakan baru
mencapai 180.000/tahun sehingga setiap tahun selalu bertambah backlog katarak
sebesar lebih kurang 70.000. Jika tidak segera mengatasi backlog katarak ini maka
angka kebutaan di Indonesia semakin lama akan semakin tinggi[2].

Pada penelitian sebelumnya yang disusun oleh Yunendah Nur Fuadah, Agung
W. Setiawan, Tati L.R Mengko, dan Budiman dengan judul “Mobile Cataract
Detection Using Optimal Combination Of Statistical Texture Analysis”
menghasilkan tingkat akurasi sistem rata-rata sebesar 97,5%[3]. Sedangkan pada
penelitian lainnya yang disusun oleh Yunendah Nur Fuadah, Agung W. Setiawan,
Tati L.R Mengko deteksi penyakit katarak dengan judul “Performing High
Accuracy Of The System For Cataract Detection Using Statistical Analysis and K-
Universitas Telkom |1
Nearest Neighbour” menggunakan metode ekstraksi ciri GLCM dan klasifikasi K-
NN mendapatkan akurasi sebesar 94,5%[4]. Pada penelitian ini menggunakan
metode DCT dengan klasifikasi Jaringan Saraf Tiruan Backpropagation dan
menghasilkan akurasi sebesar 86,67%.

Pada tugas akhir ini, menggunakan metode DCT (Discrete Cosine Transform),
metode ini merupakan proses pemampatan file citra, yaitu untuk
mentransformasikan sebuah matriks citra dengan representasi lain serta dapat
digunakan di daerah pengolahan digital untuk keperluan pengenalan pola. Metode
ini memiliki kelebihan dapat mengkompresi data dengan teknik lossy compression
yaitu teknik memproses data asli menjadi bentuk yang lebih ringkas tanpa
menghilangkan informasi aslinya, biasanya diterapkan pada bidang biomedis[5].
Kemudian menggunakan Jaringan Saraf Tiruan Backpropagation (JST
Backpropagation) sebagai pengklasifikasi citra uji. Metode ini mampu membangun
fungsi non linier yang hanya membutuhkan data masukan dan keluaran saja tanpa
mengetahui dengan jelas proses dalam jaringan. Hal ini cocok diterapkan pada data
citra katarak[6].

Image Processing dalam hal ini dapat membantu dalam mempercepat proses
identifikasi mata katarak. Berdasarkan latar belakang di atas, dibuat suatu
rancangan simulasi perangkat lunak operasi matriks untuk memproses citra dari
cetakan sebuah mata agar dapat teridentifikasi stadium dari katarak. Pada penelitian
sebelumnya, untuk melakukan segmentasi pada citra masih dilakukan pemotongan
secara manual. Pada penelitian ini sudah dilakukan pemotongan otomatis pada
bagian segmentasi citra.
1.2 Tujuan
Tujuan dari pembuatan tugas akhir ini adalah:
1. Merancang suatu sistem dengan menggunakan metode DCT (Discrete
Cosine Transform) dan pengklasifikasian Jaringan Saraf Tiruan
Backpropagation (JST Backpropagation).

Universitas Telkom | 2
2. Merealisasikan sistem yang telah dirancang dengan menggunakan metode
DCT (Discrete Cosine Transform) dan pengklasifikasian Jaringan Saraf
Tiruan Backpropagation (JST Backpropagation).
3. Menguji tingkat akurasi sistem pada pengenalan pola citra katarak.
4. Melakukan analisis berdasarkan hasil parameter-parameter yang diuji.

1.3 Perumusan Masalah

Berdasarkan latar belakang dan penelitian terkait yang telah di jelaskan,
maka rumusan masalah dalam penelitian ini adalah sebagai berikut:
1. Bagaimana merancang aplikasi perangkat lunak berbasis operasi matriks
untuk identifikasi penyakit katarak menggunakan metode DCT dan
klasifikasi JST Backpropagation.
2. Bagaimana merealisasikan sistem yang telah dirancang agar dapat
mendeteksi penyakit mata katarak.
3. Parameter apa saja yang digunakan dalam pengujian tingkat akurasi pola
citra katarak.
4. Bagaimana menganalisis performansi dari sistem deteksi penyakit katarak
dengan parameter akurasi.

1.4 Batasan Masalah

Batasan masalah dalam penelitian ini adalah:
1. Mendeteksi penyakit katarak dengan menggunakan simulasi perangkat
lunak operasi matriks versi R2018a.
2. Data masukan yang menjadi objek adalah citra mata dari beberapa sampel
diantaranya adalah kategori mata normal, katarak imatur, dan katarak matur.
3. Metode ekstraksi ciri yang digunakan adalah DCT (Discrete Cosine
Transform) dengan metode klasifikasi Jaringan Saraf Tiruan
Backpropagation (JST Backpropagation).
4. Data masukan mata katarak adalah citra mata dalam bentuk format *.jpg
yang diperoleh dari data RS. Cicendo, Bandung. Sedangkan data masukan
mata normal di akuisisi oleh penulis.

1.5 Metodologi Penelitian

Metode yang digunakan dalam penyelesaian tugas akhir ini adalah:
Universitas Telkom | 3
1. Studi literatur
Mempelajari tentang DCT (Discrete Cosine Transform), dan klasifikasi
yang digunakan yaitu Jaringan Saraf Tiruan Backpropagation (JST
Backpropagation). Memahami materi yang berhubungan dengan penelitian
ini.
2. Pengumpulan data
Mengumpulkan data mata katarak dalam format *.jpg yang di peroleh dari
data RS. Cicendo Bandung serta data mata normal yang di akuisisi oleh
penulis, selanjutnya akan digunakan sebagai data uji dan data latih.
3. Perancangan sistem
Merancang suatu aplikasi yang dapat mengetahui mata katarak dengan
membuat pemodelan sistem menggunakan simulasi perangkat lunak operasi
matriks.
4. Pengujian dan Analisis
Dilakukan pengujian terhadap sistem yang telah dibuat. Setelah itu,
dilakukan analisis terhadap hasil yang sudah diperoleh berupa tingkat
akurasi dari sistem simulasi.
5. Pengambilan kesimpulan
Menarik kesimpulan setelah melakukan semua pengujian pada citra dan
mendapatkan kesimpulan mata mana yang terindikasi mata normal,
penyakit katarak imatur, atau matur.

1.6 Sistematika Penulisan

Laporan tugas akhir ini dituangkan dalam lima bagian, yaitu sebagai
berikut:
BAB I PENDAHULUAN
Bagian ini berisikan latar belakang pengambilan topik, tujuan, manfaat,
rumusan masalah, batasan masalah, metodologi penelitian, dan sistematika
penulisan laporan.
BAB II TINJAUAN PUSTAKA

Universitas Telkom | 4
Bagian ini berisikan teori-teori dasar yang membahas mengenai katarak secara
umum, jenis-jenis katarak, teori pengolahan citra, metode ekstraksi fitur
menggunakan metode Discrete Cosine Transform (DCT), dan metode
klasifikasi menggunakan metode Jaringan Saraf Tiruan Backpropagation
(JST Backpropagation).

BAB III MODEL DAN PERANCANGAN SISTEM

Bagian ini berisi tentang model sistem yang akan diterapkan dalam
perancangan sistem deteksi dan klasifikasi katarak dengan metode yang telah
disebutkan sebelumnya.

BAB IV PENGUJIAN DAN ANALISIS

Bagian ini berisi tentang hasil pengujian, analisis terhadap hasil pengujian, dan
performansi dari sistem yang dibuat.

BAB V KESIMPULAN DAN SARAN

Bagian ini berisi tentang kesimpulan akhir yang diambil berdasarkan hasil
pengujian serta saran yang membangun guna memperbaiki kekurangan dari
tugas akhir ini.

Universitas Telkom | 5