ABSTRAKSI: Kulit adalah organ tubuh terluar yang membatasi organ tubuh lain dengan lingkungan hidup manusia. Kulit juga merupakan organ yang esensial dan vital serta cermin kesehatan dan kehidupan yang sangat kompleks, elastis dan sensitif, bervariasi pada keadaan iklim, umur, ras, dan juga bergantung pada lokasi tubuh. Kulit manusia tidak bebas dari hama (steril) karena permukaan kulit mengandung banyak bahan makanan (nutrisi) untuk pertumbuhan organisme, antara lain lemak, bahan-bahan yang mengandung nitrogen, mineral, dan lain-lain yang merupakan hasil tambahan proses keratinisasi atau yang merupakan hasil apendiks kulit. Dengan keadaan yang demikian, kulit manusia mudah terinfeksi bakteri, jamur ataupun virus yang menyebabkan berbagai macam penyakit kulit. Dalam ilmu medis, salah satu cara untuk mendiagnosa seseorang berpenyakit atau tidak yaitu dengan melihat secara langsung kulit orang yang bersangkutan. Akan tetapi sebenarnya ada cara lain selain penglihatan mata secara langsung, yaitu dengan teknik Digital Image Processing.
Tugas akhir ini bertujuan mengimplementasikan teknik Digital Image Processing untuk menghasilkan suatu perangkat lunak yang dapat mendiagnosa citra kulit berpenyakit dan mengklasifikasikan tipe penyakit tersebut serta menganalisa performansi tipe analisa warna dan tekstur yang digunakan. Secara umum, sistem pengklasifikasian penyakit kulit ini terdiri dari dua bagian utama, yaitu ekstraksi ciri menggunakan pengkombinasian antara Color Histogram dan Edge Histogram Descriptor, dimana Color Histogram digunakan untuk mengekstrak fitur warna dan Edge Histogram Descriptor untuk ekstraksi fitur tekstur, dan klasifikasi ciri dengan metode K-Nearest Neighbor.
Perangkat lunak yang dihasilkan kemudian diuji dengan parameter tingkat akurasi dan waktu klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna dan tekstur memberikan tingkat akurasi yang lebih tinggi yaitu mencapai 75,2% dibandingkan dengan klasifikasi berdasarkan fitur warna saja atau tekstur saja yang masing-masing hanya bisa mencapai 56,8% dan 65,6%. Namun dengan cara mengkombinasikan kedua fitur tersebut waktu klasifikasi menjadi lebih lama.
Kata Kunci : penyakit kulit, ekstraksi fitur, Color Histogram, Edge Histogram Descriptor, KNearestABSTRACT: Skin is one of external organ which limit other organ with human environment. Skin also as an organ which essential and vital, skin also as a health figure which very complex, elastic and sensitive, various in climate condition, age, racial and also depend on location of body. Skin of human are not free from infection (sterile) because surface of skin contain a lot of food materials (nutrition) for organism growth, for example fat, materials which contain nitrogen, mineral, and many more which are addition result of ceratinitation process or result of skin appendix. With this condition, skin of human is easy to be infected by bacteria, fungus or virus which causes various types of skin diseases. In medical science, one of methods to diagnose someone whom infected or not infected is by look directly to her/his skin. But actually, there is other method beside the method by look directly to the skin. The method is by Digital Image Processing technique.
This final project’s goal is to implement Digital Image Processing technique to produce software which can diagnose an image of infected skin, classify the type of the diseases, and analyze the type performance of color and texture analysis which is used. Generally, this skin disease classification system is consist of two main parts, feature extraction using combination of Color Histogram and Edge Histogram Descriptor, where Color Histogram is used to extract color feature and Edge Histogram Descriptor is used to extract texture feature, and feature classification uses K-Nearest Neighbor method.
Then software produced is tested to measure the accuracy and classification time. The result of testing shows that combination of color feature and texture feature gives higher accuracy (up to 75.2%) if compared to the classification which just based on color feature (up to 56.8%) or texture feature (up to 65.6%), But by using the method which combines two features mentioned, the classification time become longer.
Keyword: skin disease, feature extraction, Color Histogram, Edge Histogram Descriptor,