ZAFIRA, IZSA (2021) KLASIFIKASI JENIS JERAWAT MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN NAIVE BAYES CLASSIFIER. Other thesis, UPN “VETERAN” YOGYAKARTA.
Preview |
Text
ABSTRAK.pdf Download (34kB) | Preview |
Preview |
Text
COVER.pdf Download (135kB) | Preview |
Preview |
Text
DAFTAR ISI.pdf Download (111kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf Download (442kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (159kB) | Preview |
![[thumbnail of SKRIPSI-FULL-Izsa-Zafira-123160019.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
SKRIPSI-FULL-Izsa-Zafira-123160019.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Jerawat memiliki banyak jenis yaitu whitehead, blackhead, papula, pustula, nodul, dan jerawat batu (kistik). Dilihat dari bermacam-macam jenis jerawat yang ada, maka pengobatan terhadap setiap jenis jerawat pun juga berbeda, sehingga diperlukan pengetahuan mengenai jenis jerawat dengan baik. Oleh karena itu dibutuhkan sebuah sistem yang dapat membantu mengenali dan mengklasifikasikan jenis jerawat dengan baik menggunakan pengolahan citra digital. Algoritma yang dapat digunakan untuk pengenalan citra yaitu gray level co-occurrence matrix dan untuk klasifikasi adalah naive bayes classifier, namun kedua metode tersebut sangat bergantung pada kualitas data citra sehingga dibutuhkan data dengan kualitas yang baik.
Metode gray level co-occurrence matrix melakukan ekstraksi tekstur dari setiap jenis jerawat menggunakan fitur contrast, energy, correlation, dan homogeneity. Hasil identifikasi dengan ekstraksi tekstur akan digunakan sebagai acuan dalam proses klasifikasi menggunakan metode naïve bayes classifier. Data pada penelitian ini sebanyak 135 data citra jerawat, dengan masing-masing terdapat 45 citra pada kelas nodul, papula, dan pustula. Data penelitian diperoleh dari kuesioner dan situs Kaggle dengan kualitas yang kurang baik, sehingga pada proses preprocessing dilakukan peningkatan kualitas citra dengan menggunakan power law transformation.
Hasil akurasi dari penelitian ini ketika tidak menggunakan power law transformation sebesar 67% dan ketika ditambahkan power law transformation, tingkat akurasi yang didapatkan meningkat sebesar 7% menjadi 74%. Nilai akurasi tersebut didapatkan melalui pengujian menggunakan confussion matrix multiclass.
Kata Kunci: Jenis jerawat, papula, pustula, nodul, tekstur, GLCM, NBC.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Jenis jerawat, papula, pustula, nodul, tekstur, GLCM, NBC. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
| Depositing User: | Eko Yuli |
| Date Deposited: | 03 Dec 2021 06:22 |
| Last Modified: | 25 Aug 2022 04:41 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/27217 |
Actions (login required)
 |
View Item |