KLASIFIKASI JENIS JERAWAT PADA WAJAH MENGGUNAKAN LEARNING VECTOR QUANTIZATION

Sekartini, Shela Clara (2019) KLASIFIKASI JENIS JERAWAT PADA WAJAH MENGGUNAKAN LEARNING VECTOR QUANTIZATION. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img] Text (Abstrak)
ABSTRAK.pdf

Download (9kB)
[img] Text (BAB I)
BAB 1.pdf

Download (112kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Repository staff only

Download (487kB) | Request a copy
[img] Text (BAB III)
BAB III.pdf
Restricted to Repository staff only

Download (406kB) | Request a copy
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Repository staff only

Download (400kB) | Request a copy
[img] Text (BAB V)
BAB V.pdf

Download (7kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf

Download (121kB)
[img] Text (LAMPIRAN)
LAMPIRAN.pdf
Restricted to Repository staff only

Download (573kB) | Request a copy
[img] Text (SKRIPSI FULL TEXT)
SKRIPSI FULLTEXT.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Setiap jenis jerawat memiliki karakteristik yang berbeda sehingga klasifikasi jenis jerawat di butuhkan terutama bagi pihak yang memiliki keperluan untuk mengetahuai jenis jerawat. Namun, tidak semua orang memiliki keahlian dalam mengklasifikasi jenis jerawat sehingga kebutuhan terhadap orang yang ahli dalam mengklasifikasi jenis jerawat sangat penting. Akan tetapi, ketersediaan pakar jerawat sangat terbatas. Untuk mengatasi masalah tersebut, maka dibutuhkan metode untuk mengklasifikasi jenis jerawat pada wajah. Proses klasifikasi jerawat mengalami banyak kendala misal untuk menekan biaya konsultasi jerawat. Dengan adanya kemajuan teknologi komputer dapat membantu dalam proses klasifikasi jenis jerawat papula dan jerawat pustula dengan metode pengolahan citra yang mampu mengklasifikasi tekstur dengan menggunakan nilai ciri Co-Occurrence Matrix sebagai acuan. Dengan menggunakan Co-Occurrence Matrix, jerawat papula dan jerawat pustula dilakukan pemrosesan awal yaitu resize, croping citra dan grayscale citra. Dari hasil tersebut kemudian citra diambil ciri menggunakan Co-Occurrence Matrix. Nilai yang didapatkan dari ekstraksi ciri kemudian digunakan untuk proses pelatihan dan proses pengujian menggunakan Learning Vektor Quantization. Hasil klasifikasi dengan metode LVQ menggunakan 30 data citra untuk pelatihan dan 10 data citra untuk pengujian. Pada proses pengujian jenis jerawat papula berhasil dikenali sebesar 80 % dan pada jerawat pustula dikenali sebesar 100%. Sehingga rata-rata akurasi klasifikasi jerawat pada wajah menggunakan jaringan syaraf tiruan dalam penelitian ini sebesar 90%. Kata Kunci : Jerawat, Gray Level Co-Occurrence Matrix, LVQ.

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Supatman, ST., MT
Uncontrolled Keywords: Jerawat, Gray Level Co-Occurrence Matrix, LVQ.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Sistem Informasi
Depositing User: Sistem Informasi UMBY
Date Deposited: 19 Dec 2019 03:09
Last Modified: 19 Dec 2019 03:09
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/6620

Actions (login required)

View Item View Item