<![CDATA[Acne vulgaris merupakan gangguan inflamasi kulit yang banyak dialami remaja dan dewasa muda serta dapat menimbulkan dampak fisik, psikologis, dan sosial. Penilaian tingkat keparahan secara manual masih bergantung pada pengamatan dokter sehingga berpotensi dipengaruhi subjektivitas, variasi pencahayaan, dan perbedaan pengalaman pemeriksa. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis tingkat keparahan acne vulgaris melalui pengolahan citra digital dengan menggabungkan fitur tekstur Local Binary Pattern (LBP), fitur warna Hue, Saturation, Value (HSV), dan algoritma Random Forest. Dataset terdiri atas 1.200 citra wajah yang dibagi seimbang ke dalam empat kelas, yaitu Grade I, Grade II, Grade III, dan Grade IV. Tahap penelitian meliputi perubahan ukuran citra menjadi 256×256 piksel, normalisasi, pengurangan derau menggunakan Gaussian blur, konversi citra ke grayscale dan HSV, ekstraksi 59 fitur LBP dan 102 fitur HSV, penggabungan menjadi 161 fitur, serta klasifikasi menggunakan 100 pohon keputusan. Evaluasi dilakukan menggunakan pembagian data terstratifikasi dan validasi silang lima lipatan. Hasil pengujian menunjukkan akurasi 87,67%, precision 0,88, recall 0,88, dan F1-score 0,87. Kinerja tertinggi diperoleh pada Grade I, sedangkan kesalahan paling banyak terjadi pada kelas yang berdekatan secara visual, terutama Grade III dan Grade IV. Analisis kepentingan fitur menunjukkan bahwa Hue, Saturation, dan pola tepi LBP memberikan kontribusi dominan. Temuan ini menunjukkan bahwa kombinasi tekstur dan warna mampu menghasilkan klasifikasi yang kompetitif, efisien, dan berpotensi digunakan sebagai alat skrining awal, tetapi tetap memerlukan validasi klinis serta pengujian pada citra dengan variasi perangkat, pencahayaan, dan warna kulit yang lebih luas.]]>
Copyrights © 2026
