Identifikasi Jenis Jerawat Berdasarkan Tekstur Menggunakan GLCM dan Backpropagation
DOI:
https://doi.org/10.53513/jis.v20i2.4747Keywords:
Jerawat GLCM Backpropagation Jaringan Saraf Tiruan TeksturAbstract
Jerawat merupakan penyakit kulit yang mengakibatkan peradangan kronis yang biasanya terdapat di wajah, leher, dan lengan. Terdapat berbagai jenis jerawat yaitu blackhead, whitehead, papula, pustula, nodul dan cystic. Telah banyak upaya yang dilakukan untuk mengenali jenis jerawat, seperti tindakan pemeriksaan langsung atau menggunakan alat skin analyzer, kedua cara ini sangat tidak efektif dalam pengenalan jenis jerawat. Penelitian ini melakukan identifikasi jenis jerawat berdasarkan tekstur dari jerawat, penelitian ini menggunakan salah satu metode jaringan saraf tiruan yang yaitu algoritma backpropagation, dimana dengan menggunakan metode ini dapat melakukan identifikasi jenis jerawat dengan cepat. selain menggunakan algoritma backpropagation, penelitian ini juga melakukan ekstrasi ciri pada citra jerawat dengan metode GLCM dan menghasilkan nilai ciri dengan menggunakan 4 fitur GLCM yaitu contrast, correlation, engery, dan homogeneity. Data yang digunakan pada penelitian ini dibagi menjadi dua yaitu data latih sebanyak 120 data dan data uji sebanyak 18 data.   Tingkat akurasi yang didapat dalam mengindentifikasi jenis jerawat mendapat 56,67%, dimana nilai epoch yang digunakan adalah 10000 dengan nilai error adalah 0,01. Nilai akurasi yang dihasilkan masih dibawah 70%, terdapat beberapa penyebab nilai akurasi kecil seperti data yang digunakan masih kurang, bentuk pola dari jerawat yang memiliki kemiripan, sehingga jaringan mengalami kesulitan dalam melakukan identifikasi jenis jerawat.ÂReferences
R. T. Lestari et al., “Perilaku Mahasiswa Terkait Cara Mengatasi Jerawat,†J. Farm. Komunitas, vol. 8, no. 1, p. 15, 2020, doi: 10.20473/jfk.v8i1.21922.
H. T. Sibero, A. Sirajudin, and D. Anggraini, “Prevalensi dan Gambaran Epidemiologi Akne Vulgaris di Provinsi Lampung The Prevalence and Epidemiology of Acne Vulgaris in Lampung,†J. Farm. Komunitas, vol. 3, no. 2, pp. 62–68, 2019, [Online]. Available: https://e-journal.unair.ac.id/JFK/article/view/21922.
R. N. Afriyanti, “Akne Vulgaris Pada Remaja,†Med. Fac. Lampung Univ., vol. 4, no. 6, pp. 102–109, 2015.
K. Muzdalifah, Nava; Adi, “Identifikasi Jenis Jerawat Dengan Wavelet Haar Dan Jaringan Syaraf Tiruan Propagasi Balik,†Youngster Phys. J., vol. 5, no. 4, pp. 171–178, 2016.
E. D. Pangestu and Y. F. Achmad, “Penerapan Sistem Pakar Diagnosis Jerawat Berbasis Web (Studi Kasus: Navagreen Citra Raya),†Rekayasa, vol. 13, no. 2, pp. 103–111, 2020, doi: 10.21107/rekayasa.v13i2.5860.
Neneng, K. Adi, and R. R. Isnanto, “Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices ( GLCM ),†J. Sist. Inf. Bisnis, vol. 01, pp. 1–10, 2016, doi: 10.21456/vol6iss1pp1-10.
M. Najwa, B. Warsito, and D. Ispriyanti, “Pemodelan Jaringan Syaraf Tiruan Dengan Algoritma One Step Secant Backpropagation Dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat,†J. Gaussian, vol. 6, no. 1, pp. 61–70, 2017.
M. Elisiana, U. D. Rosiani, and K. S. Batubulan, “Identifikasi ‘ Acne Vulgaris ’ berdasarkan Fitur Warna dan Tekstur Menggunakan Klasifikasi JST Backpropagation,†J. Inform. polinema, vol. 7, no. 2, pp. 7–12, 2021.
R. A. Asmara, D. Puspitasari, S. Romlah, Q. H, and R. Romario, “Identifikasi Kesegaran Daging Sapi berdasarkan Citranya dengan Ekstrasi Fitur Warna dan Teksturnya menggunakan Metode Gray Level Co-occurance Matrix,†vol. 9, 2017.
M. Ramadhani, H. B. D. K, and Suprayogi, “Klasifikasi Jenis Jerawat Berdasarkan Tekstur dengan Menggunakan metode GLCM,†vol. 5, no. 1, pp. 870–876, 2018.
S. Nurmuslimah, “Implementasi Metode Backpropagation Untuk Mengidentifikasi Jenis Biji Kakao Yang Cacat Berdasarkan Bentuk Biji,†J. Ilm. NERO, vol. Vol. 2, No, no. 2, pp. 91–98, 2016.
