KLASIFIKASI PENYAKIT PADA CITRA KULIT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE = Disease Classification in Skin Image Using Support Vector Machine Method


Chandra, Kevin (2023) KLASIFIKASI PENYAKIT PADA CITRA KULIT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE = Disease Classification in Skin Image Using Support Vector Machine Method. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D42116311_skripsi_18-08-2023 caver1.jpg

Download (231kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D42116311_skripsi_18-08-2023 bab 1-2.pdf

Download (3MB)
[thumbnail of Dapus] Text (Dapus)
D42116311_skripsi_18-08-2023 dp.pdf

Download (8MB)
[thumbnail of Full Text] Text (Full Text)
D42116311_skripsi_18-08-2023.pdf
Restricted to Repository staff only until 25 January 2026.

Download (13MB)

Abstract (Abstrak)

KEVIN CHANDRA. Klasifikasi Penyakit Pada Citra Kulit Menggunakan Metode Support Vector Machine (dibimbing oleh Dr. Ir. Ingrid Nurtanio, M.T. dan Anugrayani Bustamin, S.T., M.T.)
Kulit merupakan lapisan terluar dari tubuh manusia, yang berfungsi melindungi bagian dalam tubuh dari dunia luar seperti virus, bakteri, dan mengatur perubahan suhu. Sama halnya seperti bagian tubuh pada manusia, kulit juga tidak terlepas dari penyakit. Beberapa penyakit yang sering dialami oleh orang Indonesia adalah bisul (furunkel), campak (rubella), eksim (dermatitis), melanoma, dll. Namun, ada beberapa penyakit yang memiliki tampilan yang hampir mirip sehingga terdapat kesulitan dalam mendiagnosanya. Seperti alergi dan jamuran yang memiliki penampakan yang sama tetapi memerlukan penanganan yang berbeda. Dengan perkembangan teknologi yang ada saat ini, masalah-masalah yang dihadapi dapat diselesaikan, yaitu dengan membuat sistem otomatis yang dapat mengetahui jenis penyakit yang diderita dan memberikan penanganan untuk penyakit tersebut berdasarkan dari citra kulit penderita. Pada penelitian ini menggunakan metode Support Vector Machine (SVM) untuk mengklasifikasi jenis penyakit yang disebabkan oleh alergi, jamur, atau tidak keduanya. Penelitian dilakukan menggunakan ekstraksi fitur Scale Invariant Feature Transform (SIFT) yang akan diolah ke dalam dua model SVM (One-Against-All untuk kelas “Bukan Alergi dan Jamur” vs “Alergi atau Jamur” dan One-Against-One untuk kelas “Alergi Kulit” vs “Jamur Kulit”) dan diperoleh kinerja sistem dengan tingkat akurasi 72.5%.

Keywords : kulit, alergi, jamur, SIFT, SVM

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: skin, allergy, fungus, SIFT, SVM
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: S.Sos Rasman -
Date Deposited: 25 Jan 2024 05:20
Last Modified: 25 Jan 2024 05:20
URI: http://repository.unhas.ac.id:443/id/eprint/32410

Actions (login required)

View Item
View Item