KLASIFIKASI JENIS JERAWAT PADA WAJAH MENGGUNAKAN LEARNING VECTOR QUANTIZATION

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.