Klasifikasi Keparahan Jerawat Berdasarkan Ruang Warna Ycbcr Menggunakan Metode Gray Level Co-Occurrence Matrix dan K-Means
Tahun 2024 · Penulis: Aprilia Dian Ayu Pramesti
Faculty of Mathematics and Natural Sciences, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Keparahan Jerawat Berdasarkan Ruang Warna Ycbcr Menggunakan Metode Gray Level Co-Occurrence Matrix dan K-Means
Jerawat adalah penyakit kulit umum di Indonesia. Lebih dari 80% orang mengalami masalah kulit dalam bentuk jerawat pada usia 12 sampai 44 tahun. Perlu identifikasi yang tepat untuk menentukan seberapa parah jerawat untuk mendapatkan perawatan yang tepat. Keberadaan perkembangan teknologi mengenai proses gambar dapat mempermudah proses mengenali jerawat hanya dengan gambar jerawat. Pemrosesan gambar dalam menentukan tingkat keparahan jerawat akan jauh lebih mudah jika warna kulit yang baik direpresentasikan. Warna kulit yang dianggap cukup dekat dengan warna mata manusia adalah dengan mengubah ruang warna gambar menjadi ruang warna YCbCr. Dalam proses menentukan tingkat keparahan akne, Gray Level Co-akurrence Matrix (GLCM) digunakan karena metode ini dapat menghasilkan fitur ekstraksi lengkap. Hasil dari pengambilan fitur dari Gray Level Co-occurrence Matrix (GLCM) akan diklasifikasikan menggunakan metode KMeans. Kombinasi dari penyelewengan fitur yang diperoleh dengan metode GLCM dan algoritma K-Means membuat proses klasifikasi berjalan cepat, bahkan dengan sejumlah besar dataset. Hasil dari pengambilan fitur yang dilakukan menggunakan MATLAB menghasilkan centiroid yang digunakan sebagai referensi untuk proses klasifikasi menggunakan K-Means. Proses ekstraksi menggunakan gambar YCbCr diubah menjadi skala abu-abu menghasilkan sentroids dalam cluster untuk jerawat ringan, jerawat sedang, dan jerawat parah. Dari 15 data yang diuji, 12 berhasil diklasifikasikan ke dalam cluster kanan dengan persentase 80%.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,831
Tahun 2025 · Penulis: Jauharoh Nafizatun Nada
Implementasi Algoritma Gray Level Co-Occurrence Matrix dan K-Neighest Tetangga Dalam Analisis Penyakit Kulit
Penyakit kulit adalah gangguan kesehatan yang dapat disebabkan oleh infeksi, peradangan, atau faktor lingkungan dan menuntut deteksi dini untuk mencegah dampak yang lebih serius. Penelitian ini bertujuan untuk menerapkan Gray Level Co Occurrence Matrix (GLCM)
- Cosine 0,810
Tahun 2026 · Penulis: Nurifatul Laily
Implementasi Klasifikasi Penyakit Liver dengan Teknik Penanganan Data Tidak Seimbang Synthetic Minority Oversampling Technique – Edited Nearest Neighbor
Penyakit liver adalah istilah umum yang memaksudkan berbagai kelainan atau kelainan yang mempengaruhi liver, termasuk penyakit liver yang berlemak, sirosis, hepatitis, kanker hati, tumor hati, dan lainnya. Karena gejala non-spesifik, penyakit hati menantang un
- Cosine 0,808
Tahun 2024 · Penulis: Maulida Izzatun Hasanah
Klasifikasi Jenis Jerawat Wajah Menggunakan SVM dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix dan Local Binary Pattern
Acne vulgaris atau jerawat adalah gangguan kulit kronis yang umum terjadi akibat penyumbatan atau peradangan pada kelenjar minyak dan folikel rambut, ditandai dengan munculnya komedo, papula, pustula, nodul, dan kista. Berdasarkan data epidemiologi, lebih dari