ABSTRAKSI: Kulit sebagai organ terluar tubuh manusia sangat rentan terkena penyakit. Penyakit ini bisa disebabkan oleh virus, jamur, maupun bakteri. Penyakit kulit harus diidentifikasi berdasarkan jenisnya agar bisa mendapatkan penanganan yang tepat. Agar bisa dilakukan identifikasi, maka dibutuhkan beberapa informasi. Melalui sebuah citra dapat dipelajari informasi mengenai penyakit kulit tersebut seperti warna, tekstur, dan bentuk.
Kulit sebagai organ terluar tubuh manusia sangat rentan terkena penyakit. Penyakit ini bisa disebabkan oleh virus, jamur, maupun bakteri. Penyakit kulit harus diidentifikasi berdasarkan jenisnya agar bisa mendapatkan penanganan yang tepat. Agar bisa dilakukan identifikasi, maka dibutuhkan beberapa informasi. Melalui sebuah citra dapat dipelajari informasi mengenai penyakit kulit tersebut seperti warna, tekstur, dan bentuk.
Sistem ini mampu mengklasifikasikan penyakit kulit dengan akurasi mencapai 88,75 %. Waktu proses sistem ini berada pada rentang waktu 0,33 detik sampai 0,97 detik dengan waktu proses rata-rata sebesar 0,61 detik.Kata Kunci : penyakit kulit, color moment, Gray Level Co-occurrence Matrix (GLCM), Jaringan Saraf TiruanABSTRACT: Skin as the outer part of human body is very easy to get infected from diseases. These diseases can be caused by virus, fungus, and bacteria. Skin diseases should be identified to get a correct treatment. Some information is needed for identification process. These informaton such as color, texture, and shape can be learnt from an image.
In this final project, a software system which capable to detect skin disease on digital images has been developed. Diagnose on the image will be done by using some method called Color Moment for color feature extraction, Gray Level Co-occurrence Matrix (GLCM) for texture feature extraction, and Artificial Neural Network with Backpropagation Architecture for classification.
The system is able to classify skin diseases with 88,75% accuracy and the system has a range from 0,33 seconds to 0,97 seconds of processing time, with 0,61 seconds average processing time.Keyword: The system is able to classify skin diseases with 88,75% accuracy and the system has a range from 0,33 seconds to 0,97 seconds of processing time, with 0,61 seconds average processing time.