PENGARUH PENGGUNAAN EKSTRAKSI FITUR GREY LEVEL CO�OCCURRENCE MATRIX (GLCM) DENGAN LOCAL BINARY PATTERNS (LBP) + HISTOGRAM OF ORIENTED GRADIENT (HOG) TERHADAP METODE SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI JENIS PENYAKIT KULIT MANUSIA

KHOIRUNISA, FRISKA EKA (2024) PENGARUH PENGGUNAAN EKSTRAKSI FITUR GREY LEVEL CO�OCCURRENCE MATRIX (GLCM) DENGAN LOCAL BINARY PATTERNS (LBP) + HISTOGRAM OF ORIENTED GRADIENT (HOG) TERHADAP METODE SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI JENIS PENYAKIT KULIT MANUSIA. Other thesis, UPN Veteran Yogyakarta.

	Text Abstrak_123190031_Friska Eka Khoirunisa.pdf Download (9kB)
	Text Cover_123190031_Friska Eka Khoirunisa.pdf Download (97kB)
	Text Daftar Isi_123190031_Friska Eka Khoirunisa.pdf Download (114kB)
	Text Daftar Pustaka_123190031_Friska Eka Khoirunisa.pdf Download (145kB)
	Text HALAMAN PENGESAHAN PEMBIMBING_123190031_Friska Eka Khoirunisa.pdf Download (295kB)
	Text HALAMAN PENGESAHAN PENGUJI_123190031_Friska Eka Khoirunisa.pdf Download (234kB)
	Text Skripsi Fulltext_123190031_Friska Eka Khoirunisa.pdf Restricted to Repository staff only Download (2MB)

Abstract

Tujuan: Penyakit kulit telah menempati peringkat ketiga dari sepuluh penyakit yang diderita
pasien rawat jalan di banyak rumah sakit di Indonesia. Penyakit ini sering dianggap remeh
oleh masyarakat karena penyakit ini dianggap tidak menyebabkan kematian. Secara umum,
dokter kulit mendiagnosa penyakit kulit menggunakan proses biopsi, namun proses biopsi
cukup mahal dan dapat menyebabkan cedera pada kulit. Setiap penyakit kulit memiliki
karakteristik tekstur dan bentuk yang berbeda, sehingga klasifikasi dapat digunakan untuk
membedakan jenis penyakit kulit tersebut. Penelitian ini bertujuan membandingkan
ekstraksi fitur LBP+HOG dan GLCM dengan metode klasifikasi SVM untuk menentukan
ekstraksi fitur terbaik dalam klasifikasi penyakit kulit.
Perancangan/metode/pendekatan: studi ini membandingkan ekstraksi fitur GLM dan
LBP+HOG dengan menggunakan metode SVM. GLCM yang digunakan untuk mengukur
hubungan antara intensitas piksel dalam citra, sementara LBP+HOG menggabungkan
informasi tentang tekstur dan bentuk dari citra.
Hasil: hasil pengujian dari menunjukkan bahwa metode ekstraksi fitur GLCM dengan
klasifikasi SVM mencapai akurasi sebener 74%. Pada pengujian ini, parameter C=100
dan fitur-fitur Homogeneity, Contrast, Energy, Correlation, ASM, dan Dissimilarity.
Sementara itu, ekstraksi dengan LBP+HOG menghasilkan akurasi sebnesar 68%.
Kata kunci: Penyakit Kulit, LBP+HOG, Gray Level Co-occurrence Matrix, Support
Vector Machine

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyakit Kulit, LBP+HOG, Gray Level Co-occurrence Matrix, Support Vector Machine
Subjek:	T Technology > T Technology (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	20 May 2024 04:49
Last Modified:	20 May 2024 04:49
URI:	http://eprints.upnyk.ac.id/id/eprint/39471

Actions (login required)

View Item