IDENTIFIKASI PENYAKIT KULIT BERDASARKAN KOMBINASI SEGMENTASI WARNA DAN ANALISIS TEKSTUR DENGAN DETEKSI BINARY LARGE OBJECT (BLOB) MENGGUNAKAN JARINGAN SYARAF TIRUAN-LEARNING VECTOR QUANTIZATION

Setiyowibowo Aditya Prabhata

Informasi Dasar

111080273
621.382 2
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Tugas akhir ini membahas tentang bagaimana mengidentifikasi jenis penyakit kulit dengan bantuan komputer, yang di dalamnya telah terdapat suatu program untuk melakukan identifikasi tersebut. Kulit merupakan organ terluas penyusun tubuh manusia yang terletak paling luar dan menutupi seluruh permukaan tubuh. Karena letaknya paling luar, maka kulit yang pertama kali menerima rangsangan seperti rangsangan sentuhan, rasa sakit, maupun pengaruh buruk dari luar. Gangguan pada kulit sering terjadi karena berbagai faktor, antara lain yaitu iklim, lingkungan tempat tinggal, kebiasaan hidup kurang sehat, dan alergi.

Pada tugas akhir ini dibuat suatu program untuk mengidentifikasi jenis penyakit kulit melalui citra kulit berpenyakit berdasarkan segmentasi warna dengan Block Overlapping dan analisis tekstur dengan deteksi BLOB (Binary Large Object) menggunakan identifikasi Jaringan Syaraf Tiruan-Learning Vector Quantization. Secara garis besar proses identifikasi jenis penyakit kulit pada sistem ini terdiri dari beberapa langkah. Dimulai dari pembacaan citra, preprocessing, ekstraksi ciri, identifikasi ciri, kemudian identifikasi jenis penyakit kulit. Cara untuk menganalisa kinerja sistem adalah dengan membandingkan kebenaran data output dalam mengidentifikasi jenis penyakit kulit dengan data input.

Dari hasil pengujian diperoleh hasil akurasi untuk masing-masing jenis penyakit kulit dan kulit normal adalah Acne sebesar 20%, Cacar Air sebesar 35,29%, Campak sebesar 28,57%, DKA sebesar 51,56%, Skabies sebesar 53,7%, dan kulit normal 59,38%. Akurasi tersebut diperoleh dari pengujian 325 citra dengan ukuran Block Overlapping 30 x 30, overlap 50%, 200 hidden layer, 800 epoch. Waktu komputasi rata-rata dalam mengidentifikasi jenis penyakit kulit adalah selama 6,789 detik.Kata Kunci : citra kulit berpenyakit, segmentasi warna dengan Block Overlapping, analisis tekstur dengan Binary Large Object (BLOB), Jaringan Syaraf Tiruan-Learning Vector Quantization.ABSTRACT: The final project is about how to identify types of skin diseased using computers, in which there has been a programto identify them. Skin is the largest constituent of the human body organ that is located at the outside and cover the entire surface pf the body. Because of its location at the outside, the skin receive a stimulus for the first, such as stimulation of touch, pain, and bad influence from the outside. Disorders of the skin often occur due to various factors, such as climate, neighborhood, unhealthliving habits, and allergies.

At the final project is made a program to identify the type af skin disease through diseased skin image based on color segmentation by Block Overlapping and texture analysis by Binary Large Object (BLOB) detection using Learning Vector Quantization-Artificial Neural Network. Generally, the process of identifying types of skin diseases in this system consist of several steps. Strating from the reading of the image, preprocessing, feature extraction, feature identification, and identification types of skin diseases. The way to analyze system performance is to compare the truth of the output data in identifying the type of skin disease with the input data.

From the results of testing was obtained the accuracy for each type of skin disease is acne by 20%, chicken pox by 35,29%, measles by 28,57%, allergic contact dermatitis by 51,56%, and scabies by 53.7%. Accuracy was obtained from 325 test images with size of Block Overlapping 30x30, overlap 50%, 200 hidden layer, and 800 epoch. Average computing time in identifying the type of skin disease is during 6,789 seconds.Keyword: the image of diseased skin, color segmentation with Block Overlapping, texture analysis with BLOB detection, Learning Vector Quantization-Artificial Neural Network.

Subjek

Pengolahan Sinyal Informasi
 

Katalog

IDENTIFIKASI PENYAKIT KULIT BERDASARKAN KOMBINASI SEGMENTASI WARNA DAN ANALISIS TEKSTUR DENGAN DETEKSI BINARY LARGE OBJECT (BLOB) MENGGUNAKAN JARINGAN SYARAF TIRUAN-LEARNING VECTOR QUANTIZATION
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Setiyowibowo Aditya Prabhata
Perorangan
Bambang Hidayat, Achmad Rizal
 

Penerbit

Universitas Telkom
Bandung
2012

Koleksi

Kompetensi

 

Flipbook

anda harus log in untuk mengakses flippingbook

Lainnya

 

Ulasan

tempatkan teratas: rasio terbesar/ terbanyak disetujui/ terbaru
  Referensi untuk skripsi 30 December, 2021
sitiroza99@gmail.com – Siti Roza
Salam pak, saya membutuhkan file skripsi ini untuk bahan referensi skripsi saya. mohon ketersediaan bapak untuk dapat mengirimkan file skripsi ini ke email saya pak, sitiroza99@gmail.com
0 komentar.
anda harus sign-in untuk memberikan komentar
belum ada yang menyetujui ulasan ini membantu.
anda harus sign-in untuk memberikan ulasan ke katalog ini