IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK MENGENALI POLA CITRA DALAM MENDETEKSI PENYAKIT KULIT

SEBASTIAN, LISTYANTO RORI (2015) IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK MENGENALI POLA CITRA DALAM MENDETEKSI PENYAKIT KULIT. Skripsi,Fakultas Ilmu Komputer.

Preview	PDF Download (274Kb) | Preview
Preview	PDF Download (4Kb) | Preview

Abstract

Manusia memiliki kemampuan untuk mengklasifikasikan gambar ke dalam kelas yang sesuai. Kemampuan ini akan sangat berguna bila diterapkan dalam pada mesin seperti komputer. Tujuan dari penelitian ini adalah untuk mengimplementasikan k-Nearest Neighbor (k-NN) dan Gray Level Coocurence Matrix (GLCM) pada Matlab agar bisa mengklasifikasikan gambar penyakit kulit ke dalam 3 kelas yang telah ditentukan yaitu sehat, panu dan skabies menggunakan analisis tekstur. Dataset berjumlah 70 citra untuk tiap kelas sehingga jumlah dari seluruh kelas adalah 210 citra. Data citra yang berupa RGB 50 x 50 piksel diubah menjadi grayscale kemudian hasil data grayscale discaling menjadi 6 level dan dicari GLCM dengan derajat arah 0°, 45°, 90°, 135° dan jarak piksel 1, 2, 3, 4, 5 sesuai dengan uji coba. Kemudian diekstrak fitur-fitur yang terdapat dalam gambar. Fitur yang digunakan di penelitian ini adalah kontras, korelasi, energi dan homogenitas. Penelitian ini menggunakan 60 kali uji coba. Uji coba ini dilakukan dengan mencari akurasi klasifikasi dari setiap kemungkinan kombinasi sudut, jarak dan jumlah data training dan testing yang berbeda-beda. Kemudian dicari rata-rata dari semua uji coba berdasarkan sudut, jarak dan jumlah data training dan testing sehingga dapat diketahui pengaruh ketiganya terhadap akurasi klasifikasi. Pada hasil klasifikasi didapatkan akurasi tertinggi dengan menggunakan sudut 45°, jumlah data training dan testing 150 dan 60 serta jarak 3 piksel.

Actions (login required)