IDENTIFIKASI KEGANASAN TUMOR KULIT PADA CITRA DERMOSKOPI DENGAN METODE SUPPORT VECTOR MACHINE

Ikram Yunizar, . (2020) IDENTIFIKASI KEGANASAN TUMOR KULIT PADA CITRA DERMOSKOPI DENGAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

	Text ABSTRAK.pdf Download (15kB)
	Text AWAL.pdf Download (292kB)
	Text BAB 1.pdf Download (83kB)
	Text BAB 2.pdf Restricted to Repository UPNVJ Only Download (662kB)
	Text BAB 3.pdf Restricted to Repository UPNVJ Only Download (202kB)
	Text BAB 4.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 5 .pdf Download (0B)
	Text DAFTAR PUSTAKA.pdf Download (85kB)
	Text RIWAYAT HIDUP.pdf Restricted to Repository UPNVJ Only Download (87kB)
	Text LAMPIRAN.pdf Restricted to Repository UPNVJ Only Download (702kB)
	Text ARTIKEL KI.pdf Restricted to Repository UPNVJ Only Download (330kB)

Abstract

Kanker kulit adalah salah satu kanker yang paling umum ditemukan. Saat ini, diagnosa kanker kulit dilakukan dengan dua cara yaitu biopsi dan pemeriksaan secara visual. Proses biopsi menghabiskan waktu dan sumber daya, sedangkan pemeriksaan secara visual rentan terhadap subjektifitas dan human error. Oleh karena itu, perlu adanya sistem yang dapat meningkatkan akurasi dan meminimalisir human error dari pemeriksaan secara langsung. Penelitian ini bertujuan untuk membuat prototipe sistem yang dapat membantu dokter dalam mengklasifikasikan keganasan tumor kulit dari citra dermoskopi dan mengevaluasi kinerja Support Vector Machine dalam mengklasifikasikan citra tersebut. Citra akan diolah melalui praproses, segmentasi, ekstraksi ciri, dan klasifikasi. Praproses pada citra antara lain mengubah resolusi citra, mengubah citra dari channel warna RGB menjadi grayscale dan HSV. Segmentasi dilakukan dengan metode thresholding, dan penyempurnaan segmentasi dilakukan oleh operasi morfologi dan cropping yang menghasilkan 1383 citra segmentasi baik dari total 1472 citra. Dataset dibagi menjadi 130 data testing dan 1253 data training. Adapun penyeimbangan data pada masing-masing kelas dengan random undersampling yang menghasilkan 1218 dengan jumlah data masing-masing kelas sama. Metode ekstraksi ciri yang digunakan dari masing-masing adalah GLCM untuk ciri tekstur dan Color Moments untuk ciri warna. Hasil akurasi terbaik yang didapat pada tahap klasifikasi dan evaluasi dengan K-Fold Cross Validation adalah sebesar 84,8% yang didapatkan dengan model SVM kernel Radial Basis Function dengan parameter cost sebesar 1 dan gamma sebesar 0.125. Nilai akurasi yang didapatkan model dalam mengklasifikasikan citra data testing adalah 76,9%.

Item Type:	Thesis (Skripsi)
Additional Information:	[No.Panggil:1610511043 Ikram Yunizar] [Pembimbing: Didit Widiyanto] [Penguji 1: Jayanta] [Penguji 2: Ika Nurlaili]
Uncontrolled Keywords:	Machine Learning, SVM , Dermoskopi, Tumor Kulit
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Ilmu Komputer > Program Studi Informatika (S1)
Depositing User:	Ikram Yunizar
Date Deposited:	13 Jan 2022 02:17
Last Modified:	13 Jan 2022 02:17
URI:	http://repository.upnvj.ac.id/id/eprint/7149

Actions (login required)

View Item