Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Electrical Engineering, Energy, and Information Technology
Pakpahan, Kristin Karuniawaty
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

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

Found 1 Documents
Search

 1 
KLASIFIKASI PENYEBAB JERAWAT BERDASARKAN AREA PADA WAJAH MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) Pakpahan, Kristin Karuniawaty; Yacoub, Redi Ratiandi; Kusumawardhani, Eka; Marpaung, Jannus; Imansyah, Fitri
Journal of Electrical Engineering, Energy, and Information Technology (J3EIT) Vol 10, No 2: Juli 2022
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/j3eit.v10i2.57088

Abstract

Bagian penting dari tubuh manusia salah satunya adalah kulit wajah. Kulit wajah digolongkan menjadi beberapa jenis diantaranya ialah kulit normal, kombinasi, berminyak, kering, serta sensitif. Selain sebagai pelindung kulit juga digunakan sebagai indikator yang dapat mengidentifikasi suatu penyakit seperti penyakit kulit. Penyakit kulit merupakan masalah kesehatan masyarakat, terutama di negara kita. Salah satu penyakit kulit yang banyak menyerang masyarakat adalah jerawat. Pada tugas akhir ini, dibangun suatu program yang dapat mengidentifikasi penyebab jerawat bedasarkan area pada wajah. Sebelum proses pengidentifikasian citra terlebih dahulu di preprocessing kemudian dilanjutkan dengan mendeteksi area wajah dahi, antar alis, hidung, pipi dan dagu dengan menggunakan algoritma Viola Jones.   Metode Gray Level Co-occurrence Matrix melakukan ekstraksi tekstur dari menggunakan fitur contrast, energy, correlation, dan homogeneity. Hasil identifikasi dengan ekstraksi tekstur akan digunakan sebagai acuan dalam proses identifikasi penyebab jerawat bedasarkan area pada wajah. Data pada penelitian ini sebanyak 107 data citra jerawat bedasarkan area pada wajah. Sebanyak 84 area wajah yang terdeteksi jerawat. Hasil dari penelitian ini adalah sistem dapat mengidentifikasi penyebab jerawat bedasarkan area pada wajah dengan baik terhadap data citra dengan tingkat akurasi sebesar 78,50%.
Co-Authors Fitri Imansyah Jannus Marpaung Kusumawardhani, Eka