DETEKSI PENYAKIT GLAUKOMA MENGGUNAKAN DETEKSI OD DAN SEGMENTASI BV DENGAN ALGORITMA SVM

Glaukoma merupakan penyakit neurodegeneratif yang menyebabkan kerusakan pada kepala saraf optik dan gangguan lapang pandang. Meskipun aspek neural sering menjadi fokus utama, faktor vaskular memiliki peran krusial namun sering kurang diperhatikan dalam diagnosis konvensional. Penelitian ini mengusulkan pendekatan deteksi glaukoma berbasis deteksi Optic Disc (OD) dan segmentasi Blood Vessel (BV) sebagai tahap ekstraksi fitur tekstur GLCM yang lebih terarah. Dataset yang digunakan terdiri dari 550 citra glaukoma dan 200 citra non-glaukoma. Fitur yang telah diekstraksi kemudian diklasifikasikan menggunakan Support Vector Machine (SVM) dengan kernel RBF. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 76% dengan weighted average F1-score sebesar 0,68. Evaluasi mendalam pada tiap kelas menunjukkan performa yang signifikan pada kelas glaukoma dengan nilai recall mencapai 0,99, menandakan bahwa fitur tekstur pasca-segmentasi OD dan BV sangat informatif dalam menangkap pola kerusakan struktural. Namun, pada kelas non-glaukoma, ditemukan nilai recall yang rendah sebesar 0,12 dengan presisi 0,80, yang mengindikasikan adanya kecenderungan false positive. Tingginya nilai recall pada kelas glaukoma menunjukkan bahwa metode ini sangat efektif dan reliabel untuk tujuan deteksi dini (screening), di mana minimalisasi risiko false negative menjadi prioritas utama dalam diagnosis klinis.