SISTEM PENDETEKSI GANGGUAN RABUN MATA BERBASIS PROBABILITAS KLASIK

71130104, Paulus Angky Mahardika (2020) SISTEM PENDETEKSI GANGGUAN RABUN MATA BERBASIS PROBABILITAS KLASIK. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71130104_bab1_bab5_daftarpustaka.pdf Download (501kB)
	Text (Skripsi Informatika) 71130104_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Refraksi mata adalah kemampuan manusia untuk melihat benda secara fokus dari pantulan cahaya. Beberapa orang memiliki masalah dalam penglihatan secara fokus atau biasa disebut rabun mata. Sehingga orang yang mengalami hal tersebut membutuhkan bantuan berupa lensa. Untuk mengetahui berapa tingkat kekuatan penglihatan maka harus melakukan uji visus. Sebagian orang masih kesulitan untuk memeriksa gangguan rabun mata yang terus bertambah parah. Oleh sebab itu diperlukan sebuah sistem berbasis komputer yang dapat membantu penderita gangguan rabun mata. Proses sistem ini adalah meniru cara pemeriksaan visus dengan snellen chart yang biasanya dilakukan oleh dokter atau ahli mata. Dalam kasus ini terdapat kejadian dimana pasien akan salah menyebutkan huruf atau simbol pada titik ukuran tertentu. Seringkali terjadi kemiripan antara satu huruf dengan huruf yang lainnya yang meyebabkan ketidakpastian seberapa rabun pasien tersebut ketika melihat suatu bentuk atau objek. Oleh karena itu, diperlukan metode probabilitas untuk mengatasi hal tersebut. Peneliti akan mengembangkan sebuah sistem untuk mendeteksi gangguan rabun mata menggunakan teori Probabilitas Klasik. Berdasakan masalah yang ada diatas diperlukan skala untuk menentukan standar ukuran huruf jika digunakan pada layar monitor dengan ukuran yang berbeda. Maka penulis memerlukan teori Trasnformasi Dilatasi untuk mengatasi ukuran skala layar monitor. Setelah sistem ini dibangun, sistem diuji dengan pengujian black box, alpha, dan beta. Hasil dari pengujian yang telah dilakukan secara fungsionalitas dan antarmuka sistem dengan metode black box menghasilkan nilai 89.28% yang dikategorikan tepat. Lalu tingkat keakuratan sistem secara alpha adalah 80% yang dikategorikan tepat. Sementara secara beta menghasilkan tingkat keakuratan sebesar 73.08% yang dikategorikan cukup tepat.

Actions (login required)

View Item