KLASIFIKASI PENYAKIT KULIT KUCING DENGAN EKSTRAKSI FITUR HUE SATURATION VALUE (HSV) DAN GRAY LEVEL RUN LENGTH MATRIX (GLRLM) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

SAPUTRA, BIOS ADI (2025) KLASIFIKASI PENYAKIT KULIT KUCING DENGAN EKSTRAKSI FITUR HUE SATURATION VALUE (HSV) DAN GRAY LEVEL RUN LENGTH MATRIX (GLRLM) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI BIOS ADI SAPUTRA COVER.pdf Download (378kB)
	Text SKRIPSI BIOS ADI SAPUTRA LEMBAR PENGESAHAN PEMBIMBING.pdf Download (78kB)
	Text SKRIPSI BIOS ADI SAPUTRA LEMBAR PENGESAHAN PENGUJI.pdf Download (89kB)
	Text SKRIPSI BIOS ADI SAPUTRA ABSTRAK.pdf Download (11kB)
	Text SKRIPSI BIOS ADI SAPUTRA DAFTAR ISI.pdf Download (387kB)
	Text SKRIPSI BIOS ADI SAPUTRA DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (252kB)

Abstract

Penyakit kulit pada kucing merupakan permasalahan umum dalam bidang kesehatan hewan
yang membutuhkan penanganan tepat dan cepat. Gejala yang muncul dari berbagai jenis
penyakit kulit sering kali memiliki kemiripan secara visual, sehingga menyulitkan proses
identifikasi secara manual, terutama bagi pemilik hewan. Keterbatasan ini menimbulkan
kebutuhan akan sistem berbasis teknologi yang dapat membantu proses identifikasi secara
otomatis melalui pengolahan citra. Penelitian ini dilakukan untuk mengembangkan sistem
klasifikasi penyakit kulit pada kucing berbasis citra digital untuk mendukung proses
diagnosis awal secara lebih akurat dan efisien.
Metode yang digunakan dalam penelitian ini adalah klasifikasi menggunakan algoritma
Support Vector Machine (SVM) yang dikombinasikan dengan teknik ekstraksi fitur warna
dan tekstur. Ciri warna diekstraksi menggunakan metode Hue Saturation Value (HSV),
sedangkan ciri tekstur diperoleh melalui Gray Level Run Length Matrix (GLRLM). Dataset
yang digunakan terdiri dari 360 citra yang telah melalui proses augmentasi dan dibagi
menjadi data latih dan data uji. Seluruh citra diproses dengan penghapusan latar belakang
dan diubah ukurannya menjadi 128×128 piksel. Pengujian dilakukan dalam empat skenario:
SVM tanpa ekstraksi fitur, menggunakan HSV dengan SVM saja, menggunakan GLRLM
dengan SVM saja, serta gabungan HSV dan GLRLM dengan SVM. Model dilatih dan diuji
menggunakan kernel pada algoritma SVM.
Hasil penelitian menunjukkan bahwa kombinasi fitur HSV dan GLRLM memberikan hasil
klasifikasi terbaik dengan akurasi sebesar 87%. Evaluasi performa berdasarkan confusion
matrix menunjukkan bahwa kombinasi kedua fitur mampu meningkatkan nilai precision,
recall, dan f1-score secara signifikan. Penelitian ini menunjukkan bahwa kombinasi teknik
ekstraksi fitur HSV dan GLRLM efektif dalam meningkatkan akurasi klasifikasi citra
penyakit kulit kucing.
Kata Kunci: Klasifikasi Citra, Penyakit Kulit Kucing, Support Vector Machine, HSV,
GLRLM

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	BIOS ADI SAPUTRA (Penulis-123210174) ; Dessyanto Boedi Prasetyo
Uncontrolled Keywords:	Klasifikasi Citra, Penyakit Kulit Kucing, Support Vector Machine, HSV, GLRLM
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	17 Oct 2025 02:14
Last Modified:	17 Oct 2025 02:14
URI:	http://eprints.upnyk.ac.id/id/eprint/44515

Actions (login required)

View Item