IDENTIFIKASI PENYAKIT CACAR MONYET MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DENGAN EKSTRAKSI FITUR GRAY LEVEL RUN LENGTH MATRIX (GLRLM)

Hanif, Muhammad Nur (2024) IDENTIFIKASI PENYAKIT CACAR MONYET MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DENGAN EKSTRAKSI FITUR GRAY LEVEL RUN LENGTH MATRIX (GLRLM). Other thesis, UPN "Veteran" Yogyakarta.

	Text COVER.pdf Download (155kB)
	Text ABSTRAK.pdf Download (11kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (241kB)
	Text PENGESAHAN PENGUJI.pdf Download (270kB)
	Text DAFTAR ISI.pdf Download (141kB)
	Text DAFTAR PUSTAKA.pdf Download (161kB)
	Text SKRIPSI FULL_MUHAMMAD NUR HANIF_123200123_INFORMATIKA.pdf Restricted to Repository staff only Download (2MB)

Abstract

Cacar monyet merupakan salah satu jenis penyakit cacar yang disebabkan oleh virus
monkeypox. Cacar monyet dapat dengan mudah menular melalui kontak langsung antara
individu dengan penderita atau benda yang terkontaminasi oleh virus cacar tersebut. Oleh
karena itu, perlu tindakan yang tepat untuk meminimalisir penyebaran penyakit cacar, salah
satunya dengan cara mendeteksinya secara dini.
Penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit cacar
monyet menggunakan metode Support Vector Machine (SVM) dengan memanfaatkan
ekstraksi fitur Gray Level Run Length Matrix (GLRLM). Proses penelitian mencakup tahap
preprocessing data yang melibatkan pengubahan ukuran citra (resize), konversi citra ke
skala keabuan (grayscale), serta penerapan Gaussian Blur. Metode GLRLM digunakan
untuk menganalisis tekstur objek pada citra. Model SVM diterapkan dengan memanfaatkan
parameter hasil optimasi hyperparameter menggunakan teknik grid search, untuk
mengklasifikasikan citra ke dalam dua kategori, yaitu cacar monyet dan normal. Selain itu,
pengujian dilakukan pada kernel SVM untuk memastikan model yang dihasilkan memiliki
kinerja yang optimal.
Penelitian ini menghasilkan temuan bahwa kernel Radial Basis Function (RBF)
memberikan performa terbaik dengan akurasi sebesar 84%, rata-rata precision 84%, rata
rata recall 84%, dan rata-rata F1-score 84%. Hal ini menunjukkan bahwa penerapan metode
SVM yang dikombinasikan dengan ekstraksi fitur GLRLM mampu memberikan kinerja
yang baik dalam mengidentifikasi penyakit cacar monyet.
Kata kunci: Cacar Monyet, Support Vector Machine (SVM), Gray Level Run Length Matrix
(GLRLM), Identifikasi Citra Penyakit

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cacar Monyet, Support Vector Machine (SVM), Gray Level Run Length Matrix (GLRLM), Identifikasi Citra Penyakit
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	10 Apr 2025 01:44
Last Modified:	10 Apr 2025 01:44
URI:	http://eprints.upnyk.ac.id/id/eprint/42306

Actions (login required)

View Item