Article Per Year (5 Year)
p-Index From 2021 - 2026
1.203
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JMM (Jurnal Masyarakat Mandiri) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Journal Serambi Engineering (JSE) Journal of Engineering and Technological Sciences Proceeding of Community Service and Engagement
Fenty Alia
Universitas Telkom
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERANCANGAN DAN PENGEMBANGAN PENDETEKSI PENYAKIT MELANOMA MENGGUNAKAN METODE GREY LEVEL CO-OCCURANCE MATRIX (GLCM) DAN METODE KLASIFIKASI CONVOLUTIONAL NEURAL NETWORK (CNN) Sang Ayu Ketut Devi Saraswati; Wahmisari Priharti; Fenty Alia
TEKTRIKA Vol 6 No 2 (2021): TEKTRIKA Vol.6 No.2 2021
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v6i2.4637

Abstract

Melanoma merupakan salah satu jenis penyakit kulit berupa tumor ganas yang berkembang pada sel melanosit penghasil melanin. Penyakit ini merupakan penyakit langka, namun memiliki risiko kematian yang tinggi jika tidak segera ditangani. Salah satu cara yang dapat membantu penanganan melanoma adalah diagnosis secara dini terhadap penyakit tersebut. Pada penelitian ini dirancang sebuah pendeteksi penyakit melanoma menggunakan Raspberry pi dan pi camera dengan mengimplementasikan metode ekstraksi fitur Grey Level Co-Occurance Matrix (GLCM) dan metode klasifikasi Convolutional Neural Network (CNN). Citra input akan diolah melalui proses preprocessing berupa proses grayscale, image adjustment, dan cropping. Citra hasil pre-processing akan diekstraksi menggunakan metode GLCM berdasarkan parameter contrast, correlation, entropy, dan uniformity. Tahap terakhir, citra akan diklasifikasikan apakah merupakan penyakit melanoma atau non-melanoma menggunakan metode CNN. Pengujian dilakukan menggunakan dataset yang berjumlah 416 data citra nevus dan melanoma serta citra validasi yang berjumlah 16 sampel citra nevus. Dari hasil pengujian didapatkan hasil akurasi sebesar 85% dengan F1-score sebesar 89% sehingga hasil penelitian ini dapat digunakan sebagai salah satu alat bantu untuk proses screening kasus penyakit melanoma. Kata Kunci: Convolutional Neural Network (CNN), Grey Level Co-Occurance Matrix (GLCM), Melanoma, Deep Learning, Image Processing.
Co-Authors Andi Tri Rahma Utami Aurelia Ardhanisa Putri Dita Puspitasari Fityanul Akhyar Ghibran Herlangga Zahra Rievansa Heru Syah Putra Hesty Susanti Hesty Syfa Asyafiah Husneni Mukhtar Irfan Rifa’i Ledya Novamizanti Lovindo Nulova Mas Rizky A.A. Syamsunarno Maudina Citra Febriani Muhammad Hablul Barri Putu Harry Gunawan Ramadhan, Muhammad Rizqi Syah Rita Purnamasari Salsabila Aurellia Sang Ayu Ketut Devi Saraswati Satria Mandala Sharah Achmanda Suto Setiyadi Tora Fahrudin Wahmisari Priharti