DETEKSI KOLESTEROL MENGGUNAKAN CITRA MATA BERBASIS LOCAL BINARY PATTERN DAN SUPPORT VECTOR MACHINE

Abstrak Kolesterol merupakan lemak yang berada didalam darah manusia yang diperlukan untuk pembentukan beberapa hormon dan dinding sel baru. Kadar kolesterol normal manusia berada di kisaran 200 mg/dL atau kurang, namun jika diatas 240 mg/dL akan berisiko tinggi terkena berbagai penyakit berbahaya seperti stroke dan jantung koroner. Apabila kadar kolesterol tidak terdeteksi sejak dini, resiko terkena penyakit stroke dan jantung koroner sangat besar, mengingat penyakit jantung koroner adalah salah satu penyakit yang banyak menyebabkan kematian. Penelitian ini merancang sistem yang dapat digunakan untuk system deteksi dini level kolesterol dengan waktu yang singkat melalui citra mata Setelah Proses akusisi data kemudian data citra mata dilakukan proses preprocessing yang terdiri dari proses resize, ROI circle crop, dan konversi citra mata RGB ke grayscale. Dalam penelitian ini metode Local Binnary Pattern (LBP) digunakan sebagai metode ekstraksi ciri dengan mengenali citra berdasarkan pola untuk mencari ciri tertentu dalam sebuah citra yang akan disimpan sebagai ciri citra latih. Serta menggunakan metode klasifikasi Support Vector Machine (SVM) untuk mencari kelas setiap data uji termasuk kelas normal atau kelas kolesterol. Kata kunci : Kolesterol, Local Binary Pattern, Support Vector Machine Abstract Cholesterol is a fat in human blood that is needed for the formation of several hormones and new cell walls. Normal human cholesterol levels are in the range of 200 mg / dL or less, but if above 240 mg / dL will be at high risk of various dangerous diseases such as stroke and coronary heart disease. If cholesterol levels are not detected early, the risk of stroke and coronary heart disease is very large, considering that coronary heart disease is one of the many diseases that cause death. This study designed a system that can be used for early detection of cholesterol levels with a short time through the eye image. After the data acquisition process then the eye image data is carried out by a preprocessing process which consists of the resize process, ROI circle crop, and conversion of RGB eye images to grayscale. In this study the Local Binnary Pattern (LBP) method is used as a feature extraction method by recognizing images based on patterns to look for certain traits in an image that will be stored as traits of training images. And using the Support Vector Machine (SVM) classification method to find classes for each test data including the normal class or cholesterol class. Keywords: Cholesterol, Local Binary Pattern