Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Wibisono, Al Danny Rian
Unknown Affiliation
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI PENYAKIT KULIT BERBASIS SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR ABCD RULE Wibisono, Al Danny Rian; Mandyartha, Eka Prakarsa; Al Haromainy, Muhammad Muharrom
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.6039

Abstract

Penyakit kulit merupakan masalah kesehatan yang signifikan, gejala dari penyakit ini berupa gatal, nyeri, mati rasa, dan kemerahan. Penyakit ini dapat disebabkan oleh beberapa faktor seperti virus, jamur, dan mikroorganisme. Menurut data Dinas Kesehatan Surabaya tahun 2019, prevalensi penyakit kulit dan jaringan subkutan mencapai 4,53%, menjadikannya penyakit terbanyak keenam yang dialami masyarakat. Oleh sebab itu, pada penelitian ini diusulkan sebuah penelitian mengenai klasifikasi penyakit kulit menggunakan Support Vector Machine melalui analisis fitur ABCD Rule. Pada penelitian ini akan dilakukan labeling pada 5 kelas penyakit kulit yang akan digunakan sebagai data latih dan data uji melalui 7 tahapan utama yakni Pengumpulan Dataset Citra Penyakit Kulit, Pre-processing Inpaint Talea, Pre-processing Gaussian Blur dan Normalisasi Mask, Segmentasi Thresholding Otsu Bitwise, Restorasi Kontur, Ekstraksi Fitur ABCD Rule, dan klasifikasi menggunakan Support Vector Machine (SVM). Sebanyak 4 skenario pengujian dilakukan untuk menemukan model terbaik, dimana skenario pengujian melibatkan pengaturan pembagian data yang berbeda, kernel berbeda, dan parameter yang berbeda pada model Support Vector Machine (SVM). Melalui skenario tersebut didapatkan hasil terbaik, yaitu Akurasi sebesar 86,42%, Spesifisitas sebesar 96,60%, dan Sensitivitas sebesar 86,42%. Hal ini menunjukkan bahwa metode yang diusulkan memiliki kinerja yang cukup baik dalam mengklasifikasikan jenis penyakit kulit. Penelitian ini tidak hanya berpotensi dalam meningkatkan diagnosis penyakit kulit secara efisien, tetapi juga mendorong pengembangan sistem deteksi berbasis teknologi untuk mendukung layanan kesehatan kulit yang lebih terjangkau dan andal.
Co-Authors Eka Prakarsa Mandyartha Muhammad Muharrom Al Haromainy