Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JCOSIS (Journal Computer Science and Information Systems)

Implementasi Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network untuk Deteksi Dini Penyakit Kulit Putra, Erwin Dwika; Hadiguna Setiawan
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 2 (2025): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i2.253

Abstract

Deteksi dini penyakit kulit merupakan langkah penting dalam upaya pencegahan dan penanganan dini penyakit berbahaya seperti melanoma. Penelitian ini bertujuan untuk mengembangkan model deteksi otomatis penyakit kulit berbasis citra dengan menggabungkan Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network (CNN). Dataset yang digunakan adalah HAM10000, yang terdiri dari berbagai jenis citra lesi kulit beresolusi tinggi. Proses penelitian meliputi tahapan preprocessing (normalisasi, cropping, dan augmentasi), ekstraksi ciri tekstur menggunakan LBP, serta klasifikasi menggunakan CNN dengan mekanisme dropout untuk mencegah overfitting. Model dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa kombinasi LBP + Dropout CNN memberikan peningkatan signifikan dibandingkan CNN konvensional. Model usulan berhasil mencapai akurasi sebesar 99.45%, precision 99.21%, recall 99.43%, dan F1-Score 99.32%. Penerapan LBP meningkatkan kemampuan model dalam mengenali tekstur mikro pada permukaan kulit, sedangkan dropout meningkatkan kemampuan generalisasi model. Dengan hasil tersebut, metode yang diusulkan terbukti efektif untuk deteksi dini penyakit kulit secara otomatis dan berpotensi diterapkan dalam sistem Computer-Aided Diagnosis (CADx) berbasis kecerdasan buatan, baik di lingkungan klinis maupun aplikasi mobile untuk deteksi mandiri.
Metode Elimination and Choice Translating Reality (ELECTRE) Pada Multi-Criteria Decision Making (MCDM) Untuk Pembelian Kendaraan Roda Empat Hadiguna Setiawan
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 1 (2025): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i1.231

Abstract

Tujuan : Penelitian ini bertujuan untuk mengimplementasikan metode Elimination and Choice Expressing Reality (ELECTRE) dalam sistem pendukung keputusan untuk mengevaluasi dan meranking alternatif kendaraan berdasarkan data dari Car Evaluation Dataset (UCI Machine Learning Repository) Metode/Design/Pendekatan: Metode ELECTRE dipilih karena kemampuannya untuk melakukan perbandingan berpasangan dan mengeliminasi alternatif berdasarkan dominasi (concordance) dan ketidaksesuaian (discordance). Hasil/Temuan: Hasil penelitian menunjukkan bahwa metode ini mampu memberikan peringkat akhir secara objektif, di mana alternatif A5 memperoleh dominasi tertinggi sebesar 36,4%, diikuti oleh A3 dan A2. ELECTRE terbukti efektif untuk menangani konflik antar kriteria dan menghasilkan keputusan yang lebih realistis dibanding metode berbasis agregasi sederhana. Kebaharuan/Originalitas/Nilai: Penelitian ini membuktikan dengan menggunakan metode ELECTRE merupakan pendekatan yang tepat dalam evaluasi alternatif kompleks seperti pemilihan kendaraan.